谷歌日前推出一款名为TpuGraphs的模型训练数据集，主要用于“优化编译器”、“提升AI深度学习能力”。

　　谷歌推出的 TpuGraphs 数据集正是一款“学习成本模型”，这款数据集的内容主要来自各种开源深度学习程序，涵盖多种热门模型架构，例如 ResNet、EfficientNet、Mask R-CNN 和 Transformer 等。

　　与业界竞品相比，谷歌 TpuGraphs 数据集“平均图大小”相比业界训练集大了 770 倍、“图数量”则是对了25倍。谷歌声称，为编译器应用 TpuGraphs 数据集可有效解决最终输出的模型“可扩展性”、“效率”和“质量”等问题。

　　此外，谷歌还介绍了一种名为 GST的模型训练方法，允许在RAM 有限的设备中训练大型图神经网络。该方法号称能够令模型“端到端训练时间”加速 3 倍，有效提高模型训练效率。