Съдържание
Представено от: AltaML
Q:
Защо са важни процесорите за графична обработка (GPU) за задълбочено обучение?
A:
Използването на графични процесорни единици (GPU) има особено значение за областта на задълбоченото обучение. Причината е свързана с това как са създадени системи за дълбоко обучение и какво са предназначени да правят.
Експертите определят дълбокото обучение като вид машинно обучение, при което алгоритмите използват множество слоеве за прогресивен анализ на данни.
Някои цитират конкретни примери, като конволюционни невронни мрежи (CNN) с техните различни слоеве, включващи максимално обединяване, филтриране, подплънки, крачки и други задачи.
В по-широк смисъл неща като обработка на изображения и обработка на естествен език разчитат на многоетапни, много алгоритмични процедури, много от които наподобяват невронните мрежи, които специалистите по машинно обучение учат да идентифицират и анализират.
Както отбелязахме в предишна статия, графичните процесори обикновено се оценяват при машинното обучение, поради способността им за паралелна обработка. С напредването на машинното обучение, хардуерният свят също напредваше от идеята за индивидуално силно ядро на процесора до множество единици с паралелна обработка, които могат по-адекватно да се справят с големи количества изчислителна работа бързо.
С помощта на системи за дълбоко обучение, обхващащи генеративни модели от по-високо ниво като мрежи с дълбоко убеждение, машини на Болтцман и системи за ехо състояние, има специфична необходимост от паралелна обработка и специализиран дизайн на ядрото. Бихте могли да кажете, че използването на графични процесори е донякъде подобно на използването на Advanced RISC Machines при някои други видове обработка - че персонализирането на чипове за определена употреба има много смисъл.
В допълнение към полезността на графичните процесори за задълбочено обучение, вие също виждате тези същите типове процесори да станат популярни при преминаването към фундаментална промяна в изчислителната структура, известна като квантови изчисления.
И тук отново сложността и по-високото подреждане на изчислителната мощност изискват възможност за паралелна обработка. При квантовите изчисления традиционните битове се заменят с кубити, които могат да имат стойност 1, 0 или неуточнена комбинация. Този вид „бит на Шрьодингер“ е в основата на изчислителния модел, който може да обърне света на ИТ на главата си.
За тези, които проявяват интерес към нововъзникващите технологии, ще бъде от ключово значение да наблюдават използването на графични процесори и техните приемници в такива системи, като мрежи за дълбоко обучение и настройки на квантовите изчисления. И двете от тях, биха казали много експерти, са в ранна детска възраст и ще узреят и ще доведат до резултати в следващите години.
