מדוע חברות מקנות gpus ללימוד מכונות?

ש:

מדוע חברות ממקנות מכשירי GPU ללמידה במכונה?

אם אתה קורא על למידת מכונות, סביר להניח שאתה שומע הרבה על השימושים ביחידות עיבוד גרפי או GPUs בפרויקטים של למידת מכונות, לרוב כחלופה ליחידות עיבוד מרכזיות או מעבדים. מכשירי GPU משמשים ללמידה של מכונות בגלל תכונות ספציפיות שהופכות אותם להתאמה טובה יותר לפרויקטים של למידת מכונה, במיוחד כאלה שדורשים עיבוד מקביל רב, או במילים אחרות, עיבוד סימולטני של מספר חוטים.

ישנן דרכים רבות לדבר על הסיבה לכך ש- GPUs הפכו לנחשקים ללימוד מכונה. אחת הדרכים הפשוטות ביותר היא לעמוד בניגוד למספרים הקטנים של ליבות במעבד מסורתי עם מספרים גדולים הרבה יותר של ליבות ב- GPU טיפוסי. מכשירי GPU פותחו כדי להעצים גרפיקה ואנימציה, אך הם מועילים גם לסוגים אחרים של עיבוד מקביל - ביניהם לימוד מכונות. מומחים מציינים שלמרות שהליבות הרבות (לפעמים עשרות) ב- GPU טיפוסי נוטות להיות פשוטות יותר מהפחות ליבות של מעבד, הרי שמספר גדול יותר של ליבות מוביל ליכולת עיבוד מקבילה טובה יותר. זה משתלב עם הרעיון הדומה של "למידת אנסמבל" המגוון את הלמידה בפועל שמתרחשת בפרויקט ML: הרעיון הבסיסי הוא שמספר גדול יותר של מפעילים חלשים יעלה על מספר קטן יותר של מפעילים חזקים יותר.

ישנם מומחים שידברו על האופן שבו GPUs משפרים את תפוקת הנקודה הצפה או משתמשים במשטחי מתים ביעילות, או כיצד הם מתאימים למאות חוטים במקביל בעיבוד. הם עשויים לדבר על אמות מידה להקבלה של נתונים, סטייה בענפים וסוגים אחרים של עבודה שגורמים לאלגוריתמים לתמיכה בתוצאות עיבוד מקבילות.

דרך נוספת להסתכל על השימוש הפופולרי ב- GPU בלימוד מכונה היא להסתכל על משימות ספציפיות למידת מכונה.

ביסודו של דבר, עיבוד תמונה הפך לחלק מרכזי בתעשיית למידת המכונות של ימינו. הסיבה לכך היא שלמידה של מכונות מתאימה לעיבוד הסוגים הרבים של תכונות ושילובי פיקסלים המרכיבים מערכי נתונים של סיווג תמונות, ועוזרים למכונה להתאמן להכיר אנשים או בעלי חיים (כלומר חתולים) או חפצים בשדה חזותי. זה לא צירוף מקרים שמעבדי CPU נועדו לעיבוד אנימציה, וכעת הם משמשים לעיתים קרובות לעיבוד תמונה. במקום לבצע גרפיקה והנפשה, משתמשים במעבדי המיקרו-מעבדים המרובי החוטים בעלי קיבולת גבוהה כדי להעריך גרפיקה והנפשה אלו כדי להגיע לתוצאות שימושיות. כלומר, במקום להציג תמונות בלבד, המחשב "רואה תמונות" - אך שתי המשימות הללו פועלות על אותם שדות חזותיים ומערכות נתונים דומות מאוד.

עם זאת, קל לראות מדוע חברות משתמשות ב- GPUs (ובכלים ברמה הבאה כמו GPGPUs) כדי לעשות יותר עם למידת מכונה ובינה מלאכותית.