本页面包含 Google Cloud 术语表中的术语。如需查看所有术语表术语，请点击此处。
A
加速器芯片
一类专用硬件组件，旨在执行深度学习算法所需的关键计算。
与通用 CPU 相比，加速器芯片（简称加速器）可以显著提高训练和推理任务的速度和效率。它们非常适合训练神经网络和执行类似的计算密集型任务。
加速器芯片的示例包括：
- Google 的张量处理单元 (TPU)，配备专用于深度学习的硬件。
- NVIDIA 的 GPU 虽然最初是为图形处理而设计的，但其设计支持并行处理，这可以显著提高处理速度。
B
批量推理
对划分为较小子集（“批次”）的多个未标记示例进行推理预测的过程。
批量推理可以利用加速器芯片的并行处理功能。也就是说，多个加速器可以同时对不同批量的未标记示例进行推理预测，从而显著提高每秒的推理次数。
如需了解详情，请参阅机器学习速成课程中的生产机器学习系统：静态推理与动态推理。
C
Cloud TPU
一种专用硬件加速器，旨在加速处理在 Google Cloud 上的机器学习工作负载。
D
设备
一个具有多重含义的术语，具有以下两种可能的定义：
- 一类可运行 TensorFlow 会话的硬件，包括 CPU、GPU 和 TPU。
- 在加速器芯片（GPU 或 TPU）上训练机器学习模型时，系统中实际操控张量和嵌入的部分。该设备搭载加速器芯片。相比之下，主机通常在 CPU 上运行。
H
主机
在加速器芯片（GPU 或 TPU）上训练机器学习模型时，系统的以下部分会同时控制这两项：
- 代码的整体流程。
- 输入流水线的提取和转换。
主机通常在 CPU 上运行，而不是在加速器芯片上运行；设备在加速器芯片上操控张量。
M
网格
在机器学习并行编程中，与将数据和模型分配给 TPU 芯片以及定义这些值的分片或复制方式相关的术语。
“网格”是一个多含义术语，可以理解为下列两种含义之一：
- TPU 芯片的物理布局。
- 用于将数据和模型映射到 TPU 芯片的抽象逻辑结构。
无论是哪种情况，网格都指定为形状。
S
分片
训练集或模型的逻辑划分。通常，某些进程会通过将示例或参数划分为（通常）大小相同的块来创建分片。然后，每个分片都会分配到不同的机器。
对模型进行分片称为模型并行处理；对数据进行分片称为数据并行处理。
T
张量处理单元 (TPU)
一种应用专用集成电路 (ASIC)，用于优化机器学习工作负载的性能。这些 ASIC 会作为多个 TPU 芯片部署在 TPU 设备上。
TPU
张量处理单元的缩写。
TPU 芯片
一种可编程的线性代数加速器，具有针对机器学习工作负载进行了优化的片上高带宽内存。多个 TPU 芯片部署在 TPU 设备上。
TPU 设备
包含多个 TPU 芯片、高带宽网络接口和系统冷却硬件的印刷电路板 (PCB)。
TPU 节点
Google Cloud 上具有特定 TPU 类型的 TPU 资源。TPU 节点从对等 VPC 网络连接到您的 VPC 网络。TPU 节点是 Cloud TPU API 中定义的资源。
TPU Pod
Google 数据中心中 TPU 设备的特定配置。TPU Pod 中的所有设备都通过专用高速网络互相连接。TPU Pod 是特定 TPU 版本可用的 TPU 设备配置的最大值。
TPU 资源
您在 Google Cloud 上创建、管理或使用的 TPU 实体。例如，TPU 节点和 TPU 类型是 TPU 资源。
TPU 切片
TPU 切片是 TPU Pod 中 TPU 设备的一部分。TPU 切片中的所有设备都通过专用高速网络相互连接。
TPU 类型
一个或多个具有特定 TPU 硬件版本的 TPU 设备的配置。您可以在 Google Cloud 上创建 TPU 节点时选择 TPU 类型。例如，v2-8 TPU 类型是具有 8 个核心的单个 TPU v2 设备。v3-2048 TPU 类型具有 256 个联网的 TPU v3 设备，总共 2048 个核心。TPU 类型是 Cloud TPU API 中定义的资源。
TPU 工作进程
在宿主机上运行的进程，用于在 TPU 设备上执行机器学习程序。