J:
Kāpēc grafiskās apstrādes vienības (GPU) ir svarīgas dziļai apmācībai?
A:Grafikas apstrādes vienību (GPU) izmantošanai ir īpaša nozīme dziļas apmācības jomā. Iemesls ir saistīts ar dziļo mācību sistēmu izveidi un to, ko tās ir paredzētas darīt.
Eksperti dziļo mācīšanos definē kā mašīnmācības veidu, kurā algoritmi progresīvai datu analīzei izmanto vairākus slāņus.
Daži min īpašus piemērus, piemēram, konvolūcijas neironu tīklus (CNN) ar dažādiem slāņiem, kas saistīti ar maksimālu apvienošanu, filtrēšanu, polsterēšanu, virpošanu un citiem uzdevumiem.
Plašākā nozīmē tādas lietas kā attēlu apstrāde un dabiskās valodas apstrāde balstās uz daudzpakāpju, daudzalgoritmu procedūrām, no kurām daudzas atgādina neironu tīklus, kurus mašīnmācības profesionāļi iemācās identificēt un analizēt.
Kā mēs atzīmējām iepriekšējā rakstā, GPU parasti tiek vērtēti mašīnmācībā to paralēlās apstrādes iespēju dēļ. Tā kā mašīnmācība progresēja, arī aparatūras pasaule progresēja no idejas par atsevišķu spēcīgu CPU kodolu līdz vairākām vienībām ar paralēlu apstrādi, kas ātrāk varētu pienācīgi rīkoties ar lielu skaitļošanas darbu.
Tā kā dziļas apmācības sistēmas ietver augstākā līmeņa ģeneratīvos modeļus, piemēram, dziļas pārliecības tīklus, Boltzmann mašīnas un atbalss stāvokļa sistēmas, rodas īpaša vajadzība pēc paralēlas apstrādes un specializēta galvenā dizaina. Jūs varētu teikt, ka GPU izmantošana ir nedaudz līdzīga uzlaboto RISC mašīnu izmantošanai dažos citos apstrādes veidos - ka mikroshēmu pielāgošanai konkrētam lietojumam ir liela jēga.
Papildus GPU lietderībai dziļai apguvei jūs redzat, ka arī šie paši procesoru veidi kļūst populāri, virzoties uz būtiskām izmaiņām skaitļošanas struktūrā, kas pazīstama kā kvantu skaitļošana.
Arī šeit ir sarežģīta un augstāka līmeņa skaitļošanas jauda, kas prasa paralēlu apstrādes iespēju. Kvantu skaitļošanā tradicionālie biti tiek aizstāti ar kvitēm, kuru vērtība var būt 1, 0 vai nenoteikta kombinācija. Šāda veida Schroedinger's bit ir pamats skaitļošanas modelim, kas var pagriezt IT pasauli uz galvas.
Tiem, kuriem ir interese par jaunām tehnoloģijām, būs svarīgi novērot GPU un to pēcteču izmantošanu tādās sistēmās kā dziļā mācību tīkli un kvantu skaitļošanas iestatījumi. Abas no šīm lietām, daudzi eksperti teiktu, ir tikai sākumstadijā, un tām būs nobriedis rezultāts nākamajos gados.
