- 세상의 모든 계산기 자유(질문) 게시판 일반 ()
구글 Cloud TPU v3
1. TPU v3
3세대 프로세서(processor)는 2세대(v2)에 비해 2배 빨라짐.
pod 당 칩 개수는 4배 증가. pod 단위로 비교하면 8배(=2*4) 빨라짐.
https://en.wikipedia.org/wiki/Tensor_processing_unit
ㄴ 1년마다 버전 업?
2. Pod ? Board(X)
Board는 TPU 프로세서가 박힌 기판(1. 사진참고)
Shelf 는 사진상 하나의 층이라고 보면 될 듯
Rack 은 Shelves 의 묶음 (프레임, 전원, 쿨러 등 포함)
ㄴ V3(우)는 수냉식 채용(아래 저것은 물통인가? 펌프인가?)
Pod는 Rack 의 묶음
ㄴ 상단(v2 pod=4 Racks) 하단(Cloud TPUv3 pod=8 Racks)
이상 사진 출처 : https://www.nextplatform.com/2018/05/10/tearing-apart-googles-tpu-3-0-ai-coprocessor/
3. 가격은?
기본 | 선점형 | |
단일 TPU v2 | 4.5$/(1TPU*시간) | 1.35$/(1TPU*시간) |
단일 TPU v3(베타) | 8$/(1TPU*시간) | 2.4$/(1TPU*시간) |
TPU v2*32 | 24$/(슬라이스*시간) | |
TPU v2*512 | 384$/(슬라이스*시간) |
* 출처 : https://cloud.google.com/tpu/docs/pricing?hl=ko
* 선점형 : 문구는 더 강력할 것 같지만 반대인 건가? Cloud TPU가 다른 작업을 위해 리소스에 액세스할 경우 언제든지 종료(선점)할 수 있는 TPU. (할당량은 선점형이 더 많긴 한데...)
* VM instance 가격은 별도임.
* 1초 단위로 청구
댓글2
-
세상의모든계산기
Edge TPU
구글은 TPU 를 클라우드 뿐 아니라, 개별 단말에서도 사용할 수 있도록 유닛화하여 판매할 계획인 듯.
명칭은 엣지 TPU.https://cloud.google.com/edge-tpu/
단말이라고 하지만 PC를 위한 것은 아닌 것 같고 IoT 기기를 위한 것으로 보임.
데이터 학습등은 cloud에서 하고, 실시간 적용은 말단에서?Edge(Devices/nodes, Gateways, Servers)Google Cloud Tasks ML inference ML training and inference Software, services Cloud IoT Edge, Linux OS Cloud ML Engine, Kubernetes Engine, Compute Engine, Cloud IoT CoreML frameworks TensorFlow Lite, NN API TensorFlow, scikit-learn,XGBoost, KerasHardware accelerators Edge TPU, GPU, CPU Cloud TPU, GPU, and CPU Edge TPU features
This ASIC is the first step in a roadmap that will leverage Google's AI expertise to follow and reflect in hardware the rapid evolution of AI.
Type Inference Accelerator Performance Example Edge TPU enables users to concurrently execute multiple state-of-the-art AI models per frame, on a high-resolution video, at 30 frames per second, in a power-efficient manner. Numerics Int8, Int16 IO Interface PCIe, USB
세상의모든계산기 님의 최근 댓글
검증하면 1번 식을 x에 대해 정리하고, → 그 x 값을 2번 식에 대입해 넣으면 → 그 결과로 x는 사라지고 y에 대한 식이 되니, y에 대해 정리하면 참값 y를 얻음. 얻은 y의 참값을 처음 x에 대해 정리한 1번식에 대입하면 참 값 x를 얻음. 구해진 참값의 근사값을 구하면 x=73.049507058547 and y=23.747548955927 2025 10.21 그렇다면 해의 참 값은? approx(exsol1) x=73.049507058547 and y=23.747548955927 2025 10.21 각 결과값의 비교 x y {x} 73.049507058553 23.747548955926 {y} 73.049507058479 23.747548955927 {x=1,y=1} 73.049507058477 23.747548955927 approx() 전처리 73.049507058479 23.747548955926 linsolve 73.049507058478 23.747548955926 2025 10.21 삼각함수로 구성된 방정식을 계산기가 소화하지 못하는 건가요? 원래 계산기 solve 함수가 삼각함수와 궁합이 나쁘지만, 이 경우의 삼각함수는 함수 내부에 변수가 들어가지 않기 때문에 함수라서 처리가 어려운 것이 아닙니다. 삼각함수 내부에 변수가 아닌 상수가 들어갔기 때문에 결과값도 상수일 뿐인데, numeric 한 상수로 처리하지 않고 symbolic 한 상수로 처리해 문제가 발생한 듯 합니다. 2025 10.21 답이 잘 나오지 않는 이유? solve는 답을 찾기 위해 내부적으로 여러 방식을 사용할 수 있습니다. 가장 간단한 방식은 수치적 방법 numerical method 를 이용하는 것이구요. - 질문자님께서 하신 것처럼 숫자를 대입하거나 - 초기값을 입력하거나 - 계수 등으로 numerical 한 숫자가 들어가거나, 즉 소숫점이 직접 사용되거나 할 때 자동으로 numerical method 로 전환되어 계산됩니다. 그리고 결과에 ⚠️ 를 표시합니다. 그 의미는 적당한 수준(매우 작은 오차 수준)에서 답을 찾았으나, 재수가 없으면 오답일 수 있다는 경고입니다. 따라서 앞으로는 답이 안나올 때는 초기값을 넣는다거나 하는 방식으로 solve를 이용하시면 됩니다. 그럼 처음에 왜 false 가 나왔나를 생각해 보면 두가지 가능성이 있는데 ⓐ numerical method 가 아니라 exact 값을 구하려고 했는데 복잡해서 못구했다. ⓑ numerical method 를 썻지만, 검증해보니 안맞아서 false 로 처리했다. 그런데 ⓑ는 아닌 것 같습니다. 왜냐하면, numerical method 를 사용하면 사소한 오류가 있더라도 ⚠️경고를 할 뿐 무시하고 답을 내놓잖아요? 그럼 ⓐ 가 맞다는 말인데, 지금까지 제가 아는 바로는 입력한 수식에 소숫점이 들어가면 자동으로 approx()처리를 한다고 알고 있었고, 이 solve() 에 방정식 들어가기 전에 (approx) 전처리가 된 것이 들어가니 numerical method로 처리될 줄 알았는데, 아무리 봐도 그게 아닌 것 같습니다. solve에서는 예외적으로 처리가 되는 듯 합니다. 2025 10.21