П:
Зашто су јединице за обраду графике (ГПУ) важне за дубинско учење?
А:Употреба јединица за графичку обраду (ГПУ) има посебан значај за поље дубоког учења. Разлог има везе са начином на који су постављени системи дубоког учења и шта они намеравају да раде.
Стручњаци дефинишу дубоко учење као врсту машинског учења у којем алгоритми користе више слојева за прогресивну анализу података.
Неки наводе посебне примере, као што су конволуционарне неуронске мреже (ЦНН-ови) са различитим слојевима који укључују максимално обједињавање, филтрирање, пресвлачење, корачање и друге задатке.
У ширем смислу ствари попут обраде слике и обраде природног језика ослањају се на више-корак, мулти-алгоритме, од којих многи подсећају на неуронске мреже које професионалци за машинско учење науче да идентификују и анализирају.
Као што смо напоменули у претходном чланку, ГПУ-ови се углавном цене у машинском учењу, због њихове могућности паралелне обраде. Како је стројно учење напредовало, хардверски свет је такође напредовао од идеје о индивидуалном јаком ЦПУ језгру до више јединица са паралелном обрадом која може адекватније да поднесе велике количине рачунарског рада брзо.
Са системима дубоког учења који обухватају генеративне моделе вишег нивоа, као што су мреже дубоког веровања, Болтзманнове машине и системи ехо стања, постоји специфична потреба за паралелном обрадом и специјализованим језгровитим дизајном. Могли бисте рећи да је употреба ГПУ-а помало слична употреби Напредних РИСЦ машина у неким другим врстама обраде - да прилагођавање чипова одређеној употреби има смисла.
Поред корисности ГПУ-а за дубинско учење, такође видите како исти типови процесора постају популарни у потезима ка темељној промени у рачунарској структури познатој као квантно рачунање.
Опет, сложеност и редослед вишег нивоа рачунарске снаге захтева способност паралелне обраде. У квантном рачунању традиционални битови се замењују кбитима који могу имати вредност 1, 0 или неодређена комбинација. Ова врста „Сцхроедингеровог бита“ представља основу за рачунарски модел који свету ИТ-а може окренути.
За оне који су заинтересовани за нове технологије биће кључно да гледају употребу ГПУ-а и њихових наследника у таквим системима као што су мреже за дубоко учење и подешавања квантног рачунања. Многи би стручњаци рекли да су у повоју и сазреће и донеће резултате у годинама које следе.
