谷歌硬體工程師揭秘TPU為何會比CPU、GPU快30倍？

在谷歌發布TPU一年後，這款機器學習定製晶元的神秘面紗終於被揭開了。昨日，谷歌資深硬體工程師Norman Jouppi刊文表示，谷歌的專用機器學習晶元TPU處理速度要比GPU和CPU快15-30倍（和TPU對比的是英特爾Haswell CPU以及Nvidia Tesla K80 GPU），而在能效上，TPU更是提升了30到80倍。

從這次發布的測試結果來看，TPU似乎已經超出了業界的預期，但是藏在這一晶元背後的內部架構究竟有什麼秘密呢，我們從Jouppi此前發布的論文當中，可以找到答案。

據雷鋒網了解，早在四年前，谷歌內部就開始使用消耗大量計算資源的深度學習模型，這對CPU、GPU組合而言是一個巨大的挑戰，谷歌深知如果基於現有硬體，他們將不得不將數據中心數量翻一番來支持這些複雜的計算任務。

所以谷歌開始研發一種新的架構，Jouppi稱之為「下一個平台」。Jouppi曾是MIPS處理器的首席架構師之一，他開創了內存系統中的新技術。三年前他加入谷歌的時候，公司上下正在用CPU、GPU混合架構上來進行深度學習的訓練。

Jouppi表示，谷歌的硬體工程團隊在轉向定製ASIC之前，早期還曾用FPGA來解決廉價、高效和高性能推理的問題。但他指出，FPGA的性能和每瓦性能相比ASIC都有很大的差距。他解釋說，「TPU可以像CPU或GPU一樣可編程，它可以在不同的網路（卷積神經網路，LSTM模型和大規模完全連接的模型）上執行CISC指令，而不是為某個專用的神經網路模型設計的。一言以蔽之，TPU兼具了CPU和ASIC的有點，它不僅是可編程的，而且比CPU、GPU和FPGA擁有更高的效率和更低的能耗。

TPU的內部架構

該圖顯示了TPU上的內部結構，除了外掛的DDR3內存，左側是主機界面。指令從主機發送到隊列中（沒有循環）。這些激活控制邏輯可以根據指令多次運行相同的指令。

TPU並非一款複雜的硬體，它看起來像是雷達應用的信號處理引擎，而不是標準的X86衍生架構。Jouppi說，儘管它有眾多的矩陣乘法單元，但是它GPU更精於浮點單元的協處理。另外，需要注意的是，TPU沒有任何存儲的程序，它可以直接從主機發送指令。

TPU上的DRAM作為一個單元並行運行，因為需要獲取更多的權重以饋送到矩陣乘法單元（算下來，吞吐量達到了64,000）。Jouppi並沒有提到是他們是如何縮放（systolic）數據流的，但他表示，使用主機軟體加速器都將成為瓶頸。

256×256陣列縮放數據流引擎，經過矩陣乘法積累後實現非線性輸出

從第二張圖片可以看出，TPU有兩個內存單元，以及一個用於模型中參數的外部DDR3 DRAM。參數進來後，可從頂部載入到矩陣乘法單元中。同時，可以從左邊載入激活（或從「神經元」輸出）。那些以收縮的方式進入矩陣單元以產生矩陣乘法，它可以在每個周期中進行64,000次累加。

毋庸置疑，谷歌可能使用了一些新的技巧和技術來加快TPU的性能和效率。例如，使用高帶寬內存或混合3D內存。然而，谷歌的問題在於保持分布式硬體的一致性。

TPU對比Haswell處理器

在和英特爾「Haswell」Xeon E5 v3處理器來的對比中，我們可以看到，TPU各方面的表現都要強於前者。

在Google的測試中，使用64位浮點數學運算器的18核心運行在2.3 GHz的Haswell Xeon E5-2699 v3處理器能夠處理每秒1.3 TOPS的運算，並提供51GB/秒的內存帶寬；Haswell晶元功耗為145瓦，其系統（擁有256 GB內存）滿載時消耗455瓦特。

相比之下，TPU使用8位整數數學運算器，擁有256GB的主機內存以及32GB的內存，能夠實現34GB/秒的內存帶寬，處理速度高達92 TOPS ，這比Haswell提升了71倍，此外，TPU伺服器的熱功率只有384瓦。

除此之外，谷歌還測試了CPU、GPU和TPU處理不同批量大小的每秒推斷的吞吐量。

如上圖所示，在小批量任務中（16），Haswell CPU的響應時間接近7毫秒，其每秒提供5482次推斷（IPS），其可以實現的最大批量任務（64）每秒則可以完成13194次推斷，但其響應時間為21.3毫秒。相比之下，TPU可以做到批量大小為200，而響應時間低於7毫秒，並提供225000個IPS運行推理基準，是其峰值性能的80％，當批量大小為250，響應時間為10毫秒。

不過需要注意的是，谷歌所測試的Haswell Xeon處理器似乎也不能完全說明問題，英特爾Broadwell Xeon E5 v4處理器和最新的「Skylake」Xeon E5，每核心時鐘（IPC）的指令比這款處理器提升了約5％。在Skylake是28核，而Haswell為18核，所以Xeon的總體吞吐量可能會上升80％。當然，這樣的提升與TPU相比仍有差距。

最後雷鋒網需要強調的是，TPU是一個推理晶元，它並非是要取代GPU，可以確定的是，TPU與CPU一起使用對訓練分析更加有益。但對於CPU製造商而言，如何研發出像ASIC一樣兼顧性能和能效的晶元是現在以及未來要做的。

Jouppi表示谷歌TPU已經開始出貨，而英特爾這些晶元商也將面臨更大的挑戰。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！