Ερ:
Γιατί οι εταιρείες προμηθεύουν GPUs για μηχανική μάθηση;
ΕΝΑ:Εάν διαβάζετε σχετικά με την εκμάθηση μηχανών, μάλλον ακούτε πολλά για τις χρήσεις μονάδων επεξεργασίας γραφικών ή μονάδων GPU σε προγράμματα μηχανικής μάθησης, συχνά ως εναλλακτική λύση σε κεντρικές μονάδες επεξεργασίας ή CPU. Οι μονάδες GPU χρησιμοποιούνται για την εκμάθηση μηχανών εξαιτίας συγκεκριμένων ιδιοτήτων που τους καθιστούν καλύτερα προσαρμοσμένες στα προγράμματα μηχανικής μάθησης, ειδικά εκείνα που απαιτούν πολλή παράλληλη επεξεργασία ή με άλλα λόγια την ταυτόχρονη επεξεργασία πολλαπλών νημάτων.
| Δωρεάν Λήψη: Μηχανική Μάθηση και γιατί έχει σημασία |
Υπάρχουν πολλοί τρόποι για να μιλήσετε για το γιατί οι GPUs έγιναν επιθυμητοί για την εκμάθηση μηχανών. Ένας από τους απλούστερους τρόπους είναι η αντίθεση του μικρού αριθμού πυρήνων σε μια παραδοσιακή CPU με πολύ μεγαλύτερο αριθμό πυρήνων σε μια τυπική GPU. Οι μονάδες GPU αναπτύχθηκαν για να βελτιώσουν τα γραφικά και την κινούμενη εικόνα, αλλά είναι επίσης χρήσιμες για άλλα είδη παράλληλης επεξεργασίας - μεταξύ των οποίων η μηχανική μάθηση. Οι ειδικοί επισημαίνουν ότι παρόλο που οι πολλοί πυρήνες (μερικές φορές δεκάδες) σε μια τυπική GPU τείνουν να είναι απλούστεροι από τους λιγότερους πυρήνες μιας CPU, ο μεγαλύτερος αριθμός πυρήνων οδηγεί σε καλύτερη παράλληλη επεξεργασία. Αυτό συνδυάζεται με την παρόμοια ιδέα της "μάθησης του συνόλου" που διαφοροποιεί την πραγματική μάθηση που αναπτύσσεται σε ένα έργο ML: Η βασική ιδέα είναι ότι μεγαλύτερος αριθμός ασθενέστερων φορέων θα ξεπεράσει τους μικρότερους αριθμούς ισχυρότερων φορέων εκμετάλλευσης.
Μερικοί εμπειρογνώμονες θα μιλήσουν για το πώς οι GPU βελτιώνουν τη διακίνηση κυμαινόμενου σημείου ή χρησιμοποιούν τις επιφάνειες πεθαίνουν αποτελεσματικά ή πώς φιλοξενούν εκατοντάδες ταυτόχρονες κλωστές επεξεργασίας. Μπορούν να μιλήσουν σχετικά με τα σημεία αναφοράς για τον παραλληλισμό των δεδομένων και την απόκλιση των κλάδων και άλλους τύπους εργασιών που υποστηρίζουν οι αλγόριθμοι με αποτελέσματα παράλληλης επεξεργασίας.
Ένας άλλος τρόπος να εξετάσουμε τη δημοφιλή χρήση των GPU στη μηχανική μάθηση είναι να εξετάσουμε συγκεκριμένα καθήκοντα εκμάθησης μηχανών.
Βασικά, η επεξεργασία εικόνας έχει γίνει ένα σημαντικό μέρος της σημερινής βιομηχανίας μάθησης μηχανών. Αυτό συμβαίνει επειδή η μηχανική μάθηση είναι κατάλληλη για την επεξεργασία πολλών τύπων χαρακτηριστικών και συνδυασμών εικονοστοιχείων που συνθέτουν σύνολα δεδομένων ταξινόμησης εικόνων και βοηθά το μηχάνημα να αναγνωρίζει ανθρώπους ή ζώα (π.χ. γάτες) ή αντικείμενα σε οπτικό πεδίο. Δεν είναι τυχαίο το γεγονός ότι οι CPU σχεδιάστηκαν για την επεξεργασία κινούμενων εικόνων και τώρα χρησιμοποιούνται συνήθως για επεξεργασία εικόνας. Αντί να δίνουν γραφικά και κινούμενα σχέδια, οι ίδιοι μικροεπεξεργαστές πολλαπλών νημάτων και υψηλής χωρητικότητας χρησιμοποιούνται για την αξιολόγηση αυτών των γραφικών και των κινούμενων εικόνων για να δώσουν χρήσιμα αποτελέσματα. Δηλαδή, αντί να δείχνει μόνο εικόνες, ο υπολογιστής "βλέπει εικόνες" - αλλά και οι δύο αυτές εργασίες δουλεύουν στα ίδια οπτικά πεδία και σε πολύ παρόμοια σύνολα δεδομένων.
Με αυτό κατά νου, είναι εύκολο να καταλάβεις γιατί οι εταιρείες χρησιμοποιούν GPU (και εργαλεία επόμενου επιπέδου όπως GPGPUs) για να κάνουν περισσότερα με μηχανική μάθηση και τεχνητή νοημοσύνη.
