Q:
Por que as empresas estão fornecendo GPUs para aprendizado de máquina?
UMA:Se você está lendo sobre aprendizado de máquina, provavelmente está ouvindo muito sobre o uso de unidades de processamento gráfico ou GPUs em projetos de aprendizado de máquina, geralmente como uma alternativa às unidades de processamento central ou CPUs. As GPUs são usadas para aprendizado de máquina devido a propriedades específicas que os tornam mais compatíveis com projetos de aprendizado de máquina, especialmente aqueles que exigem muito processamento paralelo ou, em outras palavras, processamento simultâneo de vários encadeamentos.
| Download grátis: Machine Learning e por que é importante |
Há muitas maneiras de falar sobre por que as GPUs se tornaram desejáveis para o aprendizado de máquina. Uma das maneiras mais simples é contrastar o pequeno número de núcleos em uma CPU tradicional com um número muito maior de núcleos em uma GPU típica. As GPUs foram desenvolvidas para aprimorar gráficos e animações, mas também são úteis para outros tipos de processamento paralelo - entre eles, aprendizado de máquina. Especialistas apontam que, embora os muitos núcleos (às vezes dezenas) em uma GPU típica tendem a ser mais simples que os menos núcleos de uma CPU, ter um número maior de núcleos leva a uma melhor capacidade de processamento paralelo. Isso se encaixa com a idéia semelhante de "aprendizado de conjunto", que diversifica o aprendizado real que ocorre em um projeto de ML: A idéia básica é que um número maior de operadores mais fracos superará o número menor de operadores mais fortes.
Alguns especialistas falarão sobre como as GPUs melhoram a taxa de transferência do ponto flutuante ou usam as superfícies da matriz com eficiência, ou como acomodam centenas de threads simultâneos no processamento. Eles podem falar sobre parâmetros de referência para paralelismo de dados e divergência de ramificação e outros tipos de trabalho que os algoritmos suportam por resultados de processamento paralelo.
Outra maneira de observar o uso popular de GPUs no aprendizado de máquina é examinar tarefas específicas de aprendizado de máquina.
Fundamentalmente, o processamento de imagens se tornou uma parte importante da indústria de aprendizado de máquina de hoje. Isso ocorre porque o aprendizado de máquina é adequado para processar os vários tipos de recursos e combinações de pixels que compõem os conjuntos de dados de classificação de imagens e ajuda a máquina a treinar para reconhecer pessoas ou animais (por exemplo, gatos) ou objetos em um campo visual. Não é por acaso que as CPUs foram projetadas para processamento de animação e agora são comumente usadas para processamento de imagem. Em vez de renderizar gráficos e animação, os mesmos microprocessadores multithread e de alta capacidade são usados para avaliar esses gráficos e animações para obter resultados úteis. Ou seja, em vez de apenas mostrar imagens, o computador está "vendo imagens" - mas ambas as tarefas funcionam nos mesmos campos visuais e conjuntos de dados muito semelhantes.
Com isso em mente, é fácil entender por que as empresas estão usando GPUs (e ferramentas de próximo nível, como GPGPUs) para fazer mais com aprendizado de máquina e inteligência artificial.
