Q:
Защо компаниите търсят графични процесори за машинно обучение?
A:Ако четете за машинно обучение, вероятно чувате много за употребата на графични процесорни единици или графични процесори в проекти за машинно обучение, често като алтернатива на централните процесорни единици или процесори. Графичните процесори се използват за машинно обучение поради специфични свойства, които ги правят по-добре съпоставени с проектите за машинно обучение, особено тези, които изискват много паралелна обработка или с други думи, едновременна обработка на множество нишки.
| Безплатно изтегляне: Машинното обучение и защо има значение |
Има много начини да се говори защо GPU са станали желани за машинно обучение. Един от най-простите начини е да се контрастира малкият брой ядра в традиционния процесор с много по-голям брой ядра в типичен графичен процесор. Графичните процесори са разработени за подобряване на графиката и анимацията, но са полезни и за други видове паралелна обработка - сред тях машинно обучение. Експертите посочват, че въпреки че многото ядра (понякога десетки) в типичен GPU са по-прости от по-малкото ядра на процесора, наличието на по-голям брой ядра води до по-добра способност за паралелна обработка. Това доразвива сходната идея за „ансамблево обучение“, която разнообразява реалното обучение, което продължава в проект за МЛ: Основната идея е, че по-големият брой по-слаби оператори ще изпревари по-малкия брой по-силни оператори.
Някои експерти ще говорят за това как графичните процесори подобряват пропускателната способност с плаваща запетая или използват повърхностите на матрицата ефективно или как те прибират стотици едновременни нишки при обработката. Те могат да говорят за референтни стойности за паралелизъм на данните и разминаване на клоните и други видове работа, които алгоритмите поддържат при резултатите от паралелна обработка.
Друг начин да разгледаме популярната употреба на графични процесори в машинното обучение е да разгледаме конкретни задачи за машинно обучение.
По принцип обработката на изображения се превърна в основна част от съвременната индустрия за машинно обучение. Това е така, защото машинното обучение е много подходящо за обработка на много видове функции и комбинации от пиксели, които съставляват набори от данни за класификация на изображения, и помагат на машината да разпознава хора или животни (т.е. котки) или обекти във визуално поле. Неслучайно процесорите са създадени за обработка на анимация и сега често се използват за обработка на изображения. Вместо рендериране на графика и анимация, за оценяването на тези графики и анимация се използват същите многопоточни микропроцесори с голям капацитет, за да се получат полезни резултати. Тоест, вместо само да показва изображения, компютърът „вижда изображения“ - но и двете задачи работят в едни и същи визуални полета и много сходни набори от данни.
Имайки това предвид, лесно е да се разбере защо компаниите използват графични процесори (и инструменти от следващо ниво като GPGPU), за да правят повече с машинно обучение и изкуствен интелект.
