自从2017年初Google推出Tensor Processing Unit客制化硬件, 让机器学习模型做出预测速度加快后, 日前微软(Microsoft)也不甘示弱, 同样针对机器学习模组推出新系统Project Brainwave. 由于该硬件采用现场可编程闸阵列(FPGA)来加速深度学习速度, 预计将带给TPU不小压力. 据InfoWorld报导, 微软宣布的Project Brainwave硬件可支持多种被广泛使用的深度学习系统. Project Brainwave也涵盖TPU许多相同目标, 包含加速从机器学习模组的预测. Brainwave是在Azure大规模使用现场可编程闸阵列(FPGA)来加快许多运算, 例如网路处理与机器学习. 微软也指出, 对于开发人员利用Brainwave进行深度学习所需的工具, Brainwaveu可支持Google TensorFlow与自家的Cognitive Toolkit, 而且还会支持更多其他产品. Brainwave是将利用上述架构生产的现有模组转换成1种可用在微软原生芯片的格式, 不过, 评论指出, 有关移植现有模组时会产生多少瓶颈尚不清楚. 微软表示, 使用专属芯片可让Brainwave速度增快超乎预期, 其FPGA是直接连结至资料中心网路, 让深度神经网路与专属FPGA更紧密连接. 该公司认为, 上述高吞吐率的设计, 可更容易打造即时执行的深度学习应用程式(App), 无需长时间的离线训练期. 微软也表示, 目前已利用不同方式使用FPGA来进行预测, 深度学习预测可借由牺牲准确度来增快速度, Brainwave FPGA可依据特定问题的需求, 从不类型数据, 高或低精准度加以选择.
