प्रश्न:
मशीन सीखने के लिए कंपनियां GPU क्यों सोर्स कर रही हैं?
ए:यदि आप मशीन सीखने के बारे में पढ़ रहे हैं, तो आप शायद मशीन प्रसंस्करण परियोजनाओं में ग्राफिक्स प्रसंस्करण इकाइयों या जीपीयू के उपयोग के बारे में बहुत कुछ सुन रहे हैं, अक्सर केंद्रीय प्रसंस्करण इकाइयों या सीपीयू के विकल्प के रूप में। जीपीयू का उपयोग मशीन लर्निंग के लिए किया जाता है क्योंकि विशिष्ट गुण जो उन्हें मशीन लर्निंग प्रोजेक्ट्स से बेहतर मेल खाते हैं, विशेष रूप से उन लोगों के लिए जिनमें समानांतर प्रसंस्करण की बहुत आवश्यकता होती है, या दूसरे शब्दों में, एक साथ कई थ्रेड्स की प्रोसेसिंग होती है।
| मुफ्त डाउनलोड: मशीन लर्निंग और क्यों यह मायने रखता है |
जीपीयू मशीन सीखने के लिए क्यों वांछनीय हो गया है, इस बारे में बात करने के कई तरीके हैं। सबसे सरल तरीकों में से एक पारंपरिक सीपीयू में कोर की छोटी संख्या के विपरीत है, जिसमें एक विशिष्ट जीपीयू में कोर की बड़ी संख्या है। जीपीयू ग्राफिक्स और एनीमेशन को बढ़ाने के लिए विकसित किए गए थे, लेकिन अन्य प्रकार के समानांतर प्रसंस्करण के लिए भी उपयोगी हैं - उनमें से, मशीन लर्निंग। विशेषज्ञ बताते हैं कि हालांकि एक सामान्य GPU में कई कोर (कभी-कभी दर्जनों) सीपीयू के कम कोर की तुलना में सरल होते हैं, बड़ी संख्या में कोर होने से बेहतर समानांतर प्रसंस्करण क्षमता होती है। यह "सीखने की समझ" के समान विचार के साथ काम करता है, जो एक एमएल प्रोजेक्ट में जाने वाले वास्तविक सीखने में विविधता लाता है: मूल विचार यह है कि बड़ी संख्या में कमजोर ऑपरेटर मजबूत ऑपरेटरों की छोटी संख्या को बेहतर बनाएंगे।
कुछ विशेषज्ञ इस बारे में बात करेंगे कि जीपीयू फ्लोटिंग पॉइंट थ्रूपुट को कैसे बेहतर बनाता है या डाई सतहों को कुशलता से उपयोग करता है, या कैसे वे प्रसंस्करण में सैकड़ों समवर्ती धागे को समायोजित करते हैं। वे डेटा समानता और शाखा विचलन और अन्य प्रकार के काम के लिए बेंचमार्क के बारे में बात कर सकते हैं जो एल्गोरिदम समानांतर प्रसंस्करण परिणामों द्वारा समर्थित हैं।
मशीन लर्निंग में जीपीयू के लोकप्रिय उपयोग को देखने का एक अन्य तरीका विशिष्ट मशीन लर्निंग कार्यों को देखना है।
मौलिक रूप से, इमेज प्रोसेसिंग आज के मशीन लर्निंग उद्योग का एक प्रमुख हिस्सा बन गया है। ऐसा इसलिए है क्योंकि मशीन लर्निंग कई प्रकार की विशेषताओं और पिक्सेल संयोजनों को संसाधित करने के लिए अच्छी तरह से अनुकूल है जो छवि वर्गीकरण डेटा सेट बनाते हैं, और मशीन ट्रेन को लोगों या जानवरों (यानी बिल्लियों) या वस्तुओं को एक दृश्य क्षेत्र में पहचानने में मदद करते हैं। यह एक संयोग नहीं है कि CPU को एनीमेशन प्रसंस्करण के लिए डिज़ाइन किया गया था, और अब आमतौर पर छवि प्रसंस्करण के लिए उपयोग किया जाता है। ग्राफिक्स और एनीमेशन को रेंडर करने के बजाय, उपयोगी परिणामों के साथ आने के लिए उन ग्राफिक्स और एनीमेशन का मूल्यांकन करने के लिए एक ही मल्टी-थ्रेड, उच्च क्षमता वाले माइक्रोप्रोसेसर का उपयोग किया जाता है। यानी, केवल छवियों को दिखाने के बजाय, कंप्यूटर "छवियों को देख रहा है" - लेकिन वे दोनों कार्य एक ही दृश्य क्षेत्र और बहुत अधिक डेटा सेट पर काम करते हैं।
इसे ध्यान में रखते हुए, यह देखना आसान है कि कंपनियां मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के साथ अधिक करने के लिए जीपीयू (और जीपीजीपीयू जैसे अगले स्तर के उपकरण) का उपयोग क्यों कर रही हैं।
