Q:
Tại sao các công ty tìm nguồn cung ứng GPU cho máy học?
A:Nếu bạn đang đọc về học máy, có lẽ bạn đã nghe nhiều về việc sử dụng các đơn vị xử lý đồ họa hoặc GPU trong các dự án học máy, thường là một giải pháp thay thế cho các đơn vị xử lý trung tâm hoặc CPU. GPU được sử dụng cho học máy vì các thuộc tính cụ thể giúp chúng phù hợp hơn với các dự án học máy, đặc biệt là các yêu cầu xử lý song song, hay nói cách khác là xử lý đồng thời nhiều luồng.
| Tải xuống miễn phí: Machine Learning và Why It Matters |
Có nhiều cách để nói về lý do tại sao GPU trở nên hấp dẫn cho việc học máy. Một trong những cách đơn giản nhất là đối chiếu số lượng lõi nhỏ trong CPU truyền thống với số lượng lõi lớn hơn nhiều trong một GPU thông thường. GPU được phát triển để tăng cường đồ họa và hoạt hình, nhưng cũng hữu ích cho các loại xử lý song song khác - trong số đó, học máy. Các chuyên gia chỉ ra rằng mặc dù nhiều lõi (đôi khi là hàng chục) trong một GPU thông thường có xu hướng đơn giản hơn so với số lõi ít hơn của CPU, nhưng có số lượng lõi lớn hơn dẫn đến khả năng xử lý song song tốt hơn. Điều này phù hợp với ý tưởng tương tự về việc học tập đồng bộ, giúp đa dạng hóa việc học thực tế diễn ra trong một dự án ML: Ý tưởng cơ bản là số lượng lớn các toán tử yếu hơn sẽ vượt trội hơn số lượng nhỏ hơn các toán tử mạnh hơn.
Một số chuyên gia sẽ nói về cách GPU cải thiện thông lượng điểm nổi hoặc sử dụng bề mặt chết hiệu quả hoặc cách chúng chứa hàng trăm luồng xử lý đồng thời trong xử lý. Họ có thể nói về điểm chuẩn cho tính song song dữ liệu và phân kỳ nhánh và các loại công việc khác mà thuật toán thực hiện được hỗ trợ bởi kết quả xử lý song song.
Một cách khác để xem xét việc sử dụng GPU phổ biến trong học máy là xem xét các tác vụ học máy cụ thể.
Về cơ bản, xử lý hình ảnh đã trở thành một phần chính của ngành công nghiệp máy học ngày nay. Đó là bởi vì học máy rất phù hợp để xử lý nhiều loại tính năng và kết hợp pixel tạo nên bộ dữ liệu phân loại hình ảnh và giúp máy đào tạo nhận dạng người hoặc động vật (ví dụ như mèo) hoặc các đối tượng trong trường thị giác. Không phải ngẫu nhiên mà CPU được thiết kế để xử lý hoạt hình và hiện được sử dụng phổ biến để xử lý hình ảnh. Thay vì kết xuất đồ họa và hoạt hình, cùng một bộ vi xử lý đa luồng, dung lượng cao được sử dụng để đánh giá các đồ họa và hoạt hình đó để đưa ra kết quả hữu ích. Đó là, thay vì chỉ hiển thị hình ảnh, máy tính là hình ảnh nhìn thấy hình ảnh - nhưng cả hai tác vụ đó đều hoạt động trên cùng một trường hình ảnh và các bộ dữ liệu rất giống nhau.
Với ý nghĩ đó, thật dễ dàng để biết lý do tại sao các công ty đang sử dụng GPU (và các công cụ cấp độ tiếp theo như GPGPU) để làm nhiều hơn với học máy và trí tuệ nhân tạo.
