Výkon TPU V3 ve srovnání s TPU V2 je výrazně zvýšen. TPU V3 POD dosáhne osminásobku výkonu TPU V2 POD a dosahuje více než 100 petaflopů výpočetní síly [1]. Toto podstatné zvýšení výkonu umožňuje vývojářům provádět složité úkoly strojového učení efektivněji a dosáhnout rychlejších výsledků.
Pokud jde o architekturu, TPU V3 zahrnuje účinnější chladicí systém pomocí chlazení vody, který snižuje vertikální prostor a umožňuje zabalit další TPU ve srovnání s TPU V2 [1]. TPU V3 také nabízí více paměti a šířky pásma, přičemž každá deska má 16 GB paměti, ve srovnání s 8 GB v TPU v2 [5] [7].
Celkově je pokrok v TPU V3 vhodnější pro rozsáhlé projekty strojového učení, které vyžadují vysokou výpočetní výkon a účinnost.
Citace:[1] https://www.toolify.ai/ai-news/unveiling-the-evolution-of-tpus-tpu-v2-and-tpu-v3-1727331
[2] https://www.reddit.com/r/machinelearning/comments/zil35t/d_does_google_tpu_v4_copete_with_gpus_in/
[3] https://www.datacamp.com/blog/tpu-vs-gpu-ai
[4] https://massedcompute.com/faq-answers/?Question=How+does+the-Power+CONSPONTION+OF+TPU+V3COMPARE+TOMOTHER+Google+tpus+in+A+DATA+ Centrum+nastavení%3f
[5] https://www.run.ai/guides/cloud-deep-learning/google-tpu
[6] https://openmetal.io/docs/product-guides/private-cloud/tpu-vs-gpu-dos-and-cons/
[7] https://news.ycombinator.com/item?id=22195516
[8] https://cloud.google.com/tpu/docs/v2
[9] https://eng.snap.com/training-models-with-tpus