Waarom kopen bedrijven gpus in voor machine learning?

Q:

Waarom kopen bedrijven GPU's in voor machine learning?

Als je leest over machine learning, hoor je waarschijnlijk veel over het gebruik van grafische verwerkingseenheden of GPU's in machine learning-projecten, vaak als alternatief voor centrale verwerkingseenheden of CPU's. GPU's worden gebruikt voor machine learning vanwege specifieke eigenschappen waardoor ze beter zijn afgestemd op machine learning-projecten, met name die waarvoor veel parallelle verwerking nodig is, oftewel gelijktijdige verwerking van meerdere threads.

Er zijn veel manieren om te praten over waarom GPU's wenselijk zijn geworden voor machine learning. Een van de eenvoudigste manieren is om het kleine aantal cores in een traditionele CPU te contrasteren met veel grotere aantallen cores in een typische GPU. GPU's zijn ontwikkeld om afbeeldingen en animaties te verbeteren, maar zijn ook nuttig voor andere soorten parallelle verwerking, waaronder machine learning. Experts wijzen erop dat hoewel de vele cores (soms tientallen) in een typische GPU de neiging hebben eenvoudiger te zijn dan de minder cores van een CPU, het hebben van een groter aantal cores leidt tot betere parallelle verwerkingscapaciteit. Dit sluit aan bij het vergelijkbare idee van 'ensemble learning', dat het daadwerkelijke leren dat in een ML-project plaatsvindt, diversifieert: het basisidee is dat grotere aantallen zwakkere operators het kleinere aantal sterkere operators zullen overtreffen.

Sommige experts zullen vertellen hoe GPU's de drijvende komma-doorvoer verbeteren of matrijsoppervlakken efficiënt gebruiken, of hoe ze honderden gelijktijdige threads kunnen verwerken. Ze kunnen het hebben over benchmarks voor gegevensparallellisme en branch divergentie en andere soorten werk die algoritmen doen ondersteund door parallelle verwerkingsresultaten.

Een andere manier om naar het populaire gebruik van GPU's in machine learning te kijken, is door te kijken naar specifieke machine learning-taken.

Fundamenteel is beeldverwerking een belangrijk onderdeel geworden van de hedendaagse machine learning-industrie. Dat komt omdat machinaal leren zeer geschikt is voor het verwerken van de vele soorten functies en pixelcombinaties waaruit gegevensclassificaties zijn samengesteld en de machine helpen om mensen of dieren (katten) of objecten in een gezichtsveld te herkennen. Het is geen toeval dat CPU's zijn ontworpen voor animatieverwerking en nu algemeen worden gebruikt voor beeldverwerking. In plaats van afbeeldingen en animaties te renderen, worden dezelfde multi-thread, microprocessors met hoge capaciteit gebruikt om die afbeeldingen en animaties te evalueren om tot bruikbare resultaten te komen. Dat wil zeggen, in plaats van alleen afbeeldingen te tonen, ziet de computer "afbeeldingen", maar beide taken werken op dezelfde visuele velden en zeer vergelijkbare gegevenssets.

Met dat in gedachten is het gemakkelijk om te zien waarom bedrijven GPU's (en tools van het volgende niveau zoals GPGPU's) gebruiken om meer te doen met machine learning en kunstmatige intelligentie.