[B! gcp][google] stealthinuのブックマーク

［速報］Google、1エクサフロップを超える性能を持つ「TPU v4」発表、Google史上最高性能のシステム。Google I/O 2021

Googleは、5月19日未明に開催したオンラインイベント「Google I/O 2021」で、同社が開発した新たなAI専用のシステム「TPU v4」を発表しました。参考：Google、機械学習専用の第三世代プロセッサ「TPU 3.0」を発表。Google初の液冷システム採用。Google I/O 2018 「Pod」と呼ばれる1つのシステム単位あたり4096個のチップが搭載され、チップは超高速なネットワークで接続されています。これによりPodは1エクサフロップを超える高い演算性能を実現。Google CEOのサンダー・ピチャイ氏は「私たちにとって歴史的マイルストーンだ」と次のように基調講演で話しました。「This is the fastest system, we ever deployed at Google. Historic milestone for us.」（これまでGo

stealthinu 2021/05/19

v3の2倍。もうTPUv4かと思ったがv3ってもう3年前なのか。3年で2倍だからムーアの法則はもう半分くらいに減速してるのだな。

リンク

グーグルの機械学習／AIへの取り組みを支える「AIファーストデータセンター」とは

米グーグルが開発者向けイベント「Google I/O 17」で、同社のコンシューマー向けサービスにAI／機械学習を広範に適用、これによってサービスプロダクトを相互に結び付け、システマチックに進化させていることをアピールした。その裏にはもちろん、TensorFlowとGoogle Cloud Platformがある。同社は機械学習処理を高速化する「Cloud TPU」、Androidデバイス上のAI処理のための「TensorFlow Lite」について、併せて紹介した。 2017年5月17日（米国時間）、「Google I/O 17」初日の基調講演で、Google CEOのSundar Pichai（スンダ―・ピチャイ）氏は「モバイルファースト」の後の流れとして「AIファースト」を推進しているとあらためて宣言。全てのサービスプロダクトでAIを活用し、それぞれのサービスを進化させていると述べた

stealthinu 2017/05/19

Cloud TPUでついにGCPでTPU使ったディープラーニングの学習が可能になる。やっぱTensorFlowベースじゃないと効率化されないのかな？

リンク

Google の Tensor Processing Unit (TPU) で機械学習が 30 倍速くなるメカニズム | Google Cloud 公式ブログ

* この投稿は米国時間 5 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by 佐藤一憲, Staff Developer Advocate, Google Cloud Cliff Young, Software Engineer, Google Brain David Patterson, Distinguished Engineer, Google Brain Google 検索、ストリートビュー、Google フォト、そしてGoogle 翻訳。これらのサービスに共通するのは、いずれもニューラルネットワーク（NN）の計算処理の高速化のために Google の第一世代の Tensor Processing Unit (TPU) が用いられている点です。 Google の Tensor Processing Unit (TPU) が搭載された回路基板（左）と、 G

stealthinu 2017/05/13

TPUのアーキテクチャについての説明。

リンク

（日本語版） Cloud ML Super Quick Tour - めもめも

cloud.google.com 何の話かというと先日、Google Cloud MLがベータ公開されました。超ざっくりまとめると、GCPのクラウド上で次のことができるようになります。 (1) TensorFlowのコードを実行して学習済みモデルを作成する (2) 学習済みモデルをAPIサービスとして公開する（現在はアルファ版） (1)については、ハイパーパラメーターの自動チューニングや分散学習処理なども利用できるのですが、ここでは、単純に、既存のTensorFlowのコードをCloud MLに載せるための最低限の手順を説明します。例として、下記のサンプルコードを使用します。全結合層のみの単層ニューラルネットワークでMNISTデータセットを分類する簡単な例です。・MNIST single layer network.ipynb ローカルで実行する場合からの修正点まず、コードの実行に

stealthinu 2016/10/06

Cloud MLを現在のTensorFlowコードを修正して対応するための方法まとめ。

リンク

Google Prediction API — Google Developers

Try Gemini 1.5 models, our newest multimodal models in Vertex AI, and see what you can build with a 1M token context window

stealthinu 2016/10/06

Google Cloud Machine Learning(Cloud ML)サービス始まった！どのくらい速くなるんだろう？試さねば。

リンク

Google Cloud Platformをローカルから利用するための準備 - Qiita

前提条件 GCP利用開始手続き済み 1つのプロジェクト、1つのGCEインスタンスを作成済ローカルはMac OS X 10.10.5 Cloud SDKのインストール GCPをシェルから利用するためのSDKをインストールします。 gcloud Tool Guide - Cloud SDK — Google Cloud Platform