谷歌的机器学习云是不是一个好选项?

简介:

谷歌第一次向全世界介绍TPU(Tensor Processing Unit)时,其背后的战略方向已经很清楚了:通过设计并使用专用的硬件来提高机器学习的速度。使用商品化的GPU来训练机器学习模型,使用定制的TPU来部署那些经过定制的模型。

新一代谷歌TPU的设计旨在处理这两项任务:训练和部署——在同一个芯片上。无论其独立运行还是与其他TPU向外扩展构成一个名为“TPU pod”的小型集群时,新一代TPU的速度也更快。

但是,使机器学习更快速并不是这种设计的唯一好处。TPU,尤其是这种新形式,构成了另一项内容,即谷歌构建端对端机器学习流程,涵盖从数据输入到部署训练模型的所有内容。

image

机器学习:一条流程贯穿其中

目前,机器学习的最大障碍之一是,为数据输入、规范化、模型训练、模型和部署提供一个完整的流程是非常困难的。这些碎片化的流程仍然高度分散,不协调。像百度这样的公司已经暗示过想要建立一个简单的、统一的、无需包装的的解决方案,但是到目前为止,这只是一个概念。

这种解决方案最有可能出现在云计算中。随着时间的推移,越来越多的机器学习数据(以及其他相关的东西)将会默认被保存在云上。而且硬件也需要产生一个可操作的结果。给人们一个端对端的、在云上的机器学习工作流,默认情况下只有几个按钮的话,人们会很乐意在上面构建机器学习应用的。

这样的方式已经快要实现了,谷歌的愿景是每一个阶段都能够以尽可能快的速度在云中执行,以尽可能快的速度接近数据。通过TPU,谷歌还试图提供多阶段的定制硬件加速,可以按需扩展。

新的TPU旨在以多种方式促进流程加速,一种加速来自于将多个TPU组合起来的能力,另一种方式是能够在同一块硅片上训练和部署模型。对于后一种情况,随着新数据的出现,对模型进行增量再培训会变得更加容易,因为数据不需要移动太多。

这种优化——在数据上运行以便加快操作速度——与其他机器学习性能的改进是一致的,比如一些推荐的Linux内核补丁和用于机器学习数据访问的通用API。

你是否愿意将自己捆绑在Tensor Flow?

谷歌的计划可能会有一个缺点:只有当你使用正确的机器学习框架时,TPU所提供的性能提升才会产生作用,也就是谷歌自己的Tensor Flow。

这并不是说Tensor Flow是一个糟糕的框架,事实上,它是相当不错的。但它只是众多框架中的一个,而每个框架适合不同的需求和用例。因此,TPU只支持Tensor Flow的限制意味着如果你想从谷歌的机器学习云中获得最大的性能,你就必须使用它,无论它是否合适。其他的框架对于特定的工作来说可能更方便,但它可能不会很快的对预测进行训练和服务,因为它只能在GPU上运行。

这并没有排除谷歌引入其他硬件的可能——如客户可重新编程的FPGA,会使不直接由谷歌发起的框架同样具有优势。

但对于大多数人来说,拥有一个可管理的、基于云的“一站式”机器学习工作流程所带来的便利,远远超过TPU所带来的一些不便之处。所以,Tensor Flow的优势仍然是显而易见的。

本文转自d1net(转载)

相关文章
|
机器学习/深度学习 传感器 存储
探索自然本源!谷歌2022年终总结第七弹:「生化环材」如何吃上机器学习红利?
探索自然本源!谷歌2022年终总结第七弹:「生化环材」如何吃上机器学习红利?
121 0
|
机器学习/深度学习 存储 监控
谷歌大佬谈 MLOps :机器学习中的持续交付和自动化流水线(下)
背景 数据科学和机器学习正逐渐成为解决复杂现实问题以及在所有领域创造价值的核心功能。现在,有效运用机器学习技术的各种要素都已具备:
|
机器学习/深度学习 监控 算法
谷歌大佬谈 MLOps :机器学习中的持续交付和自动化流水线(上)
背景 数据科学和机器学习正逐渐成为解决复杂现实问题以及在所有领域创造价值的核心功能。现在,有效运用机器学习技术的各种要素都已具备:
|
机器学习/深度学习 存储 人工智能
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
|
机器学习/深度学习 人工智能 自然语言处理
Jeff Dean等三名高管齐聚谷歌 I/O 压轴论坛,多角度解读谷歌眼中的机器学习
2016 Google I/O 第三日刚刚结束了一场《机器学习:谷歌的视角》(Machine Learning:Google's Vision)活动,谷歌搜索、机器智能和 Web 工程的高级副总裁 John Giannandrea,高级员工、Google Brain 负责人 Jeff Dean,高级产品总监 Aparna Chennapragada 三位高管分别从产品、研究、开源和公司战略层面对谷歌的机器学习进行了系统讨论。
117 0
Jeff Dean等三名高管齐聚谷歌 I/O 压轴论坛,多角度解读谷歌眼中的机器学习
|
机器学习/深度学习 人工智能 程序员
谷歌深度学习找到 AI 芯片关键路径,机器学习开始用于优化芯片架构
谷歌深度学习找到 AI 芯片关键路径,机器学习开始用于优化芯片架构
|
机器学习/深度学习 人工智能
谷歌发布新课程,要给记者们讲讲机器学习!
谷歌发布新课程,要给记者们讲讲机器学习!
115 0
|
机器学习/深度学习 人工智能 安全
医生开错药?AI来提醒!谷歌和UCSF合作开发机器学习模型,高性能预警潜在危险
医生开错药?AI来提醒!谷歌和UCSF合作开发机器学习模型,高性能预警潜在危险
178 0
|
机器学习/深度学习 人工智能 自然语言处理
一周AI最火论文 | 消除偏见,从机器学习系统开始,谷歌发布ML-fairness-gym
一周AI最火论文 | 消除偏见,从机器学习系统开始,谷歌发布ML-fairness-gym
239 0
|
机器学习/深度学习 人工智能
可再生能源与机器学习“双重加持”,谷歌成功实现风力预测
从传统角度看,电力电场的发电能力普遍较弱,因为我们至今很难预测无形无相的风,会在新一天中表现出怎样的活动趋势。