TPUの理解
問題
以下の文章を読み、空欄 ( あ ) と ( い ) に入る最も適切な語句の組み合わせを1つ選べ。
TPU(Tensor Processing Unit)は、Googleが開発した特定の用途向けに特化した集積回路である ( あ ) の一種である。
ディープラーニングの計算においてボトルネックとなる ( い ) を極めて高速に処理できるよう、特化したハードウェアアーキテクチャ(シストリックアレイなど)を採用している。
解説
TPU(Tensor Processing Unit)は、Googleが独自開発した特定の用途向けに設計された集積回路(ASIC:Application Specific Integrated Circuit)の一種です。
ディープラーニングの推論や学習において大量に発生する「行列の積和演算」を極限まで高速化・省電力化するために特化したアーキテクチャ(シストリックアレイなど)を持っており、特定のAIタスクにおいてGPUを大きく上回るパフォーマンスを発揮します。
1. (あ) ASIC (い) 行列の積和演算
正しい。TPUは特定の用途向けに設計された「ASIC」であり、ディープラーニングに必須の「行列の積和演算」に特化しています。
2. (あ) FPGA (い) 行列の積和演算
誤り。FPGAは製造後に構成を変更できる集積回路であり、TPUはASICに分類されます。
3. (あ) ASIC (い) 浮動小数点数の除算
誤り。TPUが特化しているのは除算ではなく、行列の「積和演算」です。
4. (あ) FPGA (い) 浮動小数点数の除算
誤り。(あ)(い)ともに不適切です。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- TPUの理解
- ノーフリーランチの定理の理解
- 全結合層の特徴に関する問題
- 全結合層のパラメータ数に関する問題
- 畳み込み層の役割に関する問題
- カーネル(フィルタ)の理解
- パディングの目的
- 特徴マップの理解
- CNNの構造に関する問題
- Depthwise Separable Convolution
- Dilation Convolution の理解
- 全結合層と畳み込み層の違い
- バッチ正規化(Batch Normalization)の理解
- 正規化層の役割に関する問題
- プーリング層の役割に関する問題
- 最大値プーリングと平均値プーリングの理解
- グローバルアベレージプーリング(GAP)の特徴
- スキップ結合の役割に関する問題
- Residual Network(ResNet)の特徴
- 回帰結合層の理解
- RNNの特徴に関する問題
- LSTMのゲート構造
- GRUの特徴に関する問題
- 双方向RNNの理解
- Attentionの役割に関する問題
- Self-Attentionの特徴
- Multi-Head Attentionの理解
- Transformerの構造に関する問題
- Encoder-Decoder Attentionの理解
- Seq2SeqとAttentionの関係
- オートエンコーダの基本理解
- 積層オートエンコーダの特徴
- 次元削減とオートエンコーダ
- 変分オートエンコーダ(VAE)の理解
- データ拡張の基本理解
- 画像データ拡張手法の理解
- テキストデータの拡張手法


