Innehåll
Presenteras av: AltaML
F:
Varför är grafikbearbetningsenheter viktiga för djup inlärning?
A:
Användningen av grafikbearbetningsenheter (GPU) har särskild betydelse för området djup inlärning. Anledningen har att göra med hur djupa inlärningssystem installeras och vad de är avsedda att göra.
Experter definierar djup inlärning som en typ av maskininlärning där algoritmer använder flera lager för progressiv dataanalys.
Vissa citerar speciella exempel, såsom invändiga neurala nätverk (CNN) med sina olika lager som involverar max pooling, filtrering, padding, stegning och andra uppgifter.
I en vidare bemärkelse förlitar saker som bildbehandling och naturligt språkbearbetning sig på flerstegsprocedurer med flera algoritmer, av vilka många liknar de neurala nätverk som maskininlärningsproffs lär sig identifiera och analysera.
Som vi har noterat i en tidigare artikel värderas GPU: er generellt i maskininlärning på grund av deras parallella bearbetningsförmåga. I takt med att maskininlärningen fortsatte utvecklades hårdvaruvärlden också från idén om en individuell stark CPU-kärna till flera enheter med parallellbehandling som snabbare kan hantera stora mängder beräkningsarbete.
Med djupt inlärningssystem som omfattar generativa modeller på högre nivå som djupa trosnätverk, Boltzmann-maskiner och ekotillståndssystem finns det ett specifikt behov för parallellbehandling och specialiserad kärndesign. Du kan säga att användningen av GPU: er liknar användningen av avancerade RISC-maskiner i vissa andra typer av bearbetning - att att anpassa chips till en viss användning är mycket meningsfullt.
Förutom användningen av GPU: er för djup inlärning, ser du också att samma typ av processorer blir populära i rörelser mot en grundläggande förändring i datorstrukturen känd som kvantberäkning.
Än en gång är det komplexiteten och högre nivån på datorstyrkan som kräver parallellbehandlingsförmåga. Vid kvantberäkning ersätts traditionella bitar av qubits, som kan ha ett värde på 1, 0 eller en ospecificerad kombination. Den här typen av "Schroedinger's bit" utgör grunden för en datormodell som kan vända IT: s värld till sitt huvud.
För dem som är intresserade av ny teknik kommer det att vara nyckeln att titta på användningen av GPU: er och deras efterföljare i sådana system som djupt inlärningsnätverk och kvantberäkningsinställningar. Båda dessa, säger många experter, är i sin barndom och kommer att mogna och ge resultat under de kommande åren.
