P:
Zašto tvrtke nabavljaju grafičke procese za strojno učenje?
A:Ako čitate o strojnom učenju, vjerojatno čujete puno o upotrebi jedinica za grafičku obradu ili GPU-a u projektima strojnog učenja, često kao alternativa središnjim procesorskim jedinicama ili CPU-ima. GPU-ovi se koriste za strojno učenje zbog specifičnih svojstava koja ih čine boljim uklapanjem u projekte strojnog učenja, posebno onih koji zahtijevaju puno paralelne obrade, ili drugim riječima, istodobne obrade više niti.
| Besplatno preuzimanje: Strojno učenje i zašto je to važno |
Mnogo je načina za razgovor o tome zašto su GPU postali poželjni za strojno učenje. Jedan od najjednostavnijih načina je usporediti mali broj jezgara u tradicionalnom CPU-u s mnogo većim brojem jezgara u tipičnom GPU-u. GPU-ovi su razvijeni kako bi poboljšali grafiku i animaciju, ali su također korisni za druge vrste paralelne obrade - među njima i strojno učenje. Stručnjaci ističu da iako su mnoge jezgre (ponekad i desetke) u tipičnom GPU-u obično jednostavnije od manjeg broja jezgara CPU-a, veći broj jezgara dovodi do bolje paralelne mogućnosti obrade. To je povezano s sličnom idejom „ansamblinog učenja“ koja diverzificira stvarno učenje koje se događa u ML projektu: Osnovna ideja je da veći broj slabijih operatera nadmašuje manji broj snažnijih operatora.
Neki će stručnjaci govoriti o tome kako GPU poboljšavaju propusnost plutajućih točaka ili učinkovito koriste površine matrice, ili kako oni smještaju stotine istodobnih niti u obradi. Oni mogu razgovarati o referentnim vrijednostima za paralelizam podataka i odstupanju grana i drugim vrstama rada koje algoritmi podržavaju rezultatima paralelne obrade.
Drugi način da se pogleda popularna upotreba GPU-a u strojnom učenju je sagledavanje određenih zadataka strojnog učenja.
U osnovi je obrada slike postala glavni dio današnje industrije strojnog učenja. To je zato što je strojno učenje dobro prilagođeno za obradu mnogih vrsta značajki i kombinacija piksela koji čine skupove podataka o klasifikaciji slike i pomažu strojnom vlaku u prepoznavanju ljudi ili životinja (tj. Mačaka) ili objekata u vizualnom polju. Nije slučajno što su CPU-i dizajnirani za obradu animacija, a danas se najčešće koriste za obradu slika. Umjesto prikazivanja grafike i animacija, za ocjenu te grafike i animacije koriste se isti multi-navojni mikroprocesori velikog kapaciteta kako bi se dobili korisni rezultati. To jest, umjesto da samo prikazuje slike, računalo "vidi slike" - ali oba ta zadatka rade na istim vidnim poljima i vrlo sličnim skupovima podataka.
Imajući to na umu, lako je shvatiti zašto tvrtke koriste GPU (i alate sljedeće razine poput GPGPU-a) da bi učinile više s strojnim učenjem i umjetnom inteligencijom.
