Q:
Почему компании выбирают графические процессоры для машинного обучения?
A:Если вы читаете о машинном обучении, вы, вероятно, много слышали об использовании графических процессоров или графических процессоров в проектах машинного обучения, часто в качестве альтернативы центральным процессорам или процессорам. Графические процессоры используются для машинного обучения из-за специфических свойств, которые делают их более подходящими для проектов машинного обучения, особенно тех, которые требуют много параллельной обработки, или, другими словами, одновременной обработки нескольких потоков.
| Скачать бесплатно: машинное обучение и почему это важно |
Есть много способов поговорить о том, почему графические процессоры стали желательными для машинного обучения. Один из самых простых способов - сопоставить небольшое количество ядер в традиционном процессоре с гораздо большим количеством ядер в типичном графическом процессоре. Графические процессоры были разработаны для улучшения графики и анимации, но также полезны для других видов параллельной обработки, в том числе для машинного обучения. Эксперты отмечают, что, хотя многие ядра (иногда десятки) в типичном графическом процессоре, как правило, проще, чем меньшее количество ядер процессора, наличие большего количества ядер приводит к лучшей возможности параллельной обработки. Это согласуется с аналогичной идеей «ансамблевого обучения», которая диверсифицирует фактическое обучение, которое происходит в проекте ML: основная идея состоит в том, что большее число более слабых операторов превзойдет меньшее число более сильных операторов.
Некоторые эксперты расскажут о том, как графические процессоры улучшают пропускную способность с плавающей запятой или эффективно используют поверхности кристаллов, или как они поддерживают сотни параллельных потоков при обработке. Они могут говорить об эталонах для параллелизма данных и расхождений между ветвями, а также о других типах работы, которые выполняются алгоритмами, поддерживаемыми результатами параллельной обработки.
Другой способ взглянуть на популярное использование графических процессоров в машинном обучении - взглянуть на конкретные задачи машинного обучения.
По сути, обработка изображений стала основной частью современной индустрии машинного обучения. Это связано с тем, что машинное обучение хорошо подходит для обработки множества типов функций и комбинаций пикселей, которые составляют наборы данных классификации изображений и помогают машинному обучению распознавать людей или животных (например, кошек) или объекты в поле зрения. Это не совпадение, что процессоры были разработаны для обработки анимации, и теперь широко используются для обработки изображений. Вместо рендеринга графики и анимации используются одни и те же многопоточные высокопроизводительные микропроцессоры для оценки графики и анимации для получения полезных результатов. То есть, вместо того, чтобы просто показывать изображения, компьютер «видит изображения», но обе эти задачи работают с одними и теми же визуальными полями и очень похожими наборами данных.
Имея это в виду, легко понять, почему компании используют графические процессоры (и инструменты следующего уровня, такие как GPGPU), чтобы больше работать с машинным обучением и искусственным интеллектом.
