近日，谷歌宣布云端加速器TPU开始进一步支持深度学习函式库PyTorch，仅需使用Python套件PyTorch/XLA，进行最小程度的修改，就能够使用TPU来加速机器学习工作负载，且在TPU还不支援的操作，自动退回到以CPU运算，同时PyTorch/XLA也会生成详细的报告，帮助使用者发现应用程序瓶颈，高效执行机器学习工作负载。
XLA是Google在2018年推出的最佳化编译器，通过最佳化算法运算，可以提升机器学习模型的执行速度，XLA支援处理器以及绘图卡，也能够在Google TPU上执行，并可以让Cloud TPU更容易支持PyTorch。
在最新的PyTorch/XLA上，使Cloud TPU正式支援PyTorch 1.6，在基础设施层提供模型平行运算能力，允许开发者可以在多个TPU核心上，分散大规模嵌入表，因此有能力创建许多过去无法实现的应用。
另外，谷歌还在云端上发布的深度学习虚拟机器(DLVM)映像档，其中包括PyTorch等各种深度学习框架，而 PyTorch/XLA 1.6现在预装在DLVM中，并且已经对Cloud TPU进行最佳化。
为了让开发者更好上手PyTorch/XLA，Google云端还提供一组常用深度学习模型开源实作，以及相关的教程，这些模型包括使用ImageNet资料集的图像分类任务ResNet-50，还有Transformer、RoBERTa以及BERT等知名模型，也能使用PyTorch 1.6才加入，由脸书开发的深度学习推荐模型(DLRM)。官方提到，在Cloud TPU训练这些模型，大部分的情况仅需修改少量代码即可实现。
,
