Q:
لماذا تقوم الشركات بتحديد مصادر GPU للتعلم الآلي؟
أ:إذا كنت تقرأ عن تعلم الآلة ، فربما تسمع الكثير عن استخدامات وحدات معالجة الرسومات أو وحدات معالجة الرسومات في مشاريع تعلم الآلة ، غالبًا كبديل لوحدات المعالجة المركزية أو وحدات المعالجة المركزية. تُستخدم وحدات معالجة الرسومات للتعلم الآلي نظرًا لخصائص معينة تجعلها متوافقة بشكل أفضل مع مشاريع التعلم الآلي ، خاصة تلك التي تتطلب الكثير من المعالجة المتوازية ، أو بمعنى آخر ، المعالجة المتزامنة لعدة سلاسل عمليات.
| تحميل مجاني: تعلم الآلة ولماذا يهم |
هناك طرق عديدة للحديث عن السبب في أن وحدات معالجة الرسومات أصبحت مرغوبة للتعلم الآلي. واحدة من أبسط الطرق هي مقارنة أعداد صغيرة من النوى في وحدة المعالجة المركزية التقليدية مع أعداد أكبر بكثير من النوى في وحدة معالجة الرسومات النموذجية. تم تطوير وحدات معالجة الرسومات لتحسين الرسومات والرسوم المتحركة ، ولكنها مفيدة أيضًا للأنواع الأخرى من المعالجة المتوازية - من بينها ، التعلم الآلي. يشير الخبراء إلى أنه على الرغم من أن العديد من النوى (أحيانًا العشرات) في وحدة معالجة الرسومات النموذجية تميل إلى أن تكون أكثر بساطة من عدد أقل من النوى في وحدة المعالجة المركزية ، فإن وجود عدد أكبر من النوى يؤدي إلى تحسين قدرة المعالجة المتوازية. ويتوافق هذا مع الفكرة المماثلة المتمثلة في "التعلم الجماعي" الذي ينوع التعلم الفعلي الذي يحدث في مشروع ML: الفكرة الأساسية هي أن أعدادًا أكبر من المشغلين الأضعف سوف يتفوقون على أعداد أصغر من المشغلين الأقوى.
سيتحدث بعض الخبراء عن كيفية تحسين وحدات معالجة الرسومات (GPUs) من إنتاجية الفاصلة العائمة أو استخدام أسطح القوالب بكفاءة ، أو كيفية استيعاب مئات الخيوط المتزامنة في المعالجة. قد يتحدثون عن معايير لتوازي البيانات وتباعد الفروع وأنواع العمل الأخرى التي تدعمها الخوارزميات من خلال نتائج المعالجة المتوازية.
هناك طريقة أخرى للنظر إلى الاستخدام الشائع لوحدات معالجة الرسومات في التعلم الآلي وهي إلقاء نظرة على مهام محددة للتعلم الآلي.
في الأساس ، أصبحت معالجة الصور جزءًا رئيسيًا من صناعة التعلم الآلي اليوم. ذلك لأن التعلم الآلي مناسب تمامًا لمعالجة العديد من أنواع الميزات ومجموعات البكسل التي تشكل مجموعات بيانات تصنيف الصور ، ومساعدة الجهاز في التدريب على التعرف على الأشخاص أو الحيوانات (أي القطط) أو الكائنات الموجودة في الحقل المرئي. ليس من قبيل المصادفة أن وحدات المعالجة المركزية قد صممت لمعالجة الرسوم المتحركة ، وتستخدم الآن بشكل شائع لمعالجة الصور. بدلاً من تقديم الرسومات والرسوم المتحركة ، يتم استخدام نفس المعالجات المصغرة متعددة الصفحات ذات السعة العالية لتقييم تلك الرسومات والرسوم المتحركة للوصول إلى نتائج مفيدة. أي أنه بدلاً من مجرد عرض الصور ، فإن الكمبيوتر "يشاهد الصور" - لكن هاتين المهمتين تعملان في نفس الحقول المرئية ومجموعات البيانات المتشابهة جدًا.
مع وضع ذلك في الاعتبار ، من السهل معرفة سبب استخدام الشركات لوحدات معالجة الرسومات (وأدوات المستوى التالي مثل GPGPUs) لفعل المزيد من خلال التعلم الآلي والذكاء الاصطناعي.
