Q:
Kodėl grafikos procesoriai (GPU) yra svarbūs giliam mokymuisi?
A:Grafinių procesorių (GPU) naudojimas turi ypatingą reikšmę giluminio mokymosi srityje. Priežastis susijusi su tuo, kaip sukurtos giluminės mokymosi sistemos ir ką jos ketina daryti.
Ekspertai gilųjį mokymąsi apibūdina kaip mašininio mokymosi tipą, kai algoritmai progresinei duomenų analizei naudoja kelis sluoksnius.
Kai kurie cituoja konkrečius pavyzdžius, tokius kaip konvoliuciniai neuroniniai tinklai (CNN) su įvairiais jų sluoksniais, apimantys maksimalų telkimą, filtravimą, užpildymą, stridavimą ir kitas užduotis.
Plačiąja prasme tokie dalykai kaip vaizdų apdorojimas ir natūralios kalbos apdorojimas priklauso nuo daugiapakopių kelių algoritmų procedūrų, iš kurių daugelis primena neuroninius tinklus, kuriuos mašininio mokymosi profesionalai mokosi nustatyti ir analizuoti.
Kaip mes pastebėjome ankstesniame straipsnyje, GPU paprastai vertinami mašininiame mokyme dėl jų lygiagretaus apdorojimo galimybių. Tobulėjant kompiuteriniam mokymuisi, aparatinės įrangos pasaulis taip pat vystėsi nuo idėjos apie individualų stiprią procesoriaus branduolį iki kelių vienetų su lygiagrečiu apdorojimu, kurie galėtų greičiau atlikti didelius skaičiavimo darbus.
Kadangi giluminio mokymosi sistemos apima aukštesnio lygio generacinius modelius, tokius kaip giliųjų įsitikinimų tinklai, Boltzmanno mašinos ir aido būsenos sistemos, kyla specifinis lygiagretaus apdorojimo ir specializuoto pagrindinio projekto poreikis. Galima sakyti, kad GPU naudojimas yra šiek tiek panašus į pažangių RISC įrenginių naudojimą kai kuriuose kituose apdorojimo tipuose - kad lustų pritaikymas tam tikram naudojimui turi didelę prasmę.
Be GPU naudingumo giliam mokymuisi, jūs taip pat matote, kad tie patys procesorių tipai populiarėja judant esminiams skaičiavimo struktūros pokyčiams, vadinamiems kvantiniais skaičiavimais.
Vėlgi, sudėtingas ir aukštesnio lygio kompiuterinės galios išdėstymas reikalauja lygiagretaus apdorojimo galimybių. Kvantiniame skaičiavime tradiciniai bitai pakeičiami kvitais, kurių vertė gali būti 1, 0 arba neapibrėžtas derinys. Tokia „Schroedingerio bitė“ sudaro skaičiavimo modelio, kuris gali paversti IT pasaulį ant galvos, pagrindą.
Tiems, kurie domisi atsirandančiomis technologijomis, bus svarbiausia stebėti GPU ir jų perėmėjų naudojimą tokiose sistemose kaip giluminio mokymosi tinklai ir kvantinio skaičiavimo sąrankos. Jie abu, pasak daugelio ekspertų, yra tik pradinėje stadijoje ir subręs ir duos rezultatų ateinančiais metais.
