به ‌كارگيري پردازنده گرافيكي در يادگيري ماشين: تأكيد بر شبكه‌هاي عصبي و يادگيري عميق

اين مقاله علاوه بر مرور ساختار پردازشي و قابليت‌هاي پردازنده گرافيكي به تسريع‌هاي به‌دست آمده براي محاسبات عمومي و به‌طور خاص، شبكه‌هاي عصبي و يادگيري عميق مي‌پردازد. توسعه ابزارها، كتابخانه‌ها و چارچوب‌هاي يادگيري ماشين براي پردازنده گرافيكي همچنان نيازمند توسعه است. براي مقياس‌پذيري روي چند پردازنده گرافيكي، موضوعاتي نظير پشتيباني كتابخانه‌ها و ابزارها از ارتباطات ميان پردازنده‌هاي گرافيكي و رفع نياز به بازنويسي كد توسط كاربر نيازمند توجه هستند. يكي از موانع محاسبات حجيم از جمله يادگيري عميق، انرژي‌بر بودن آن‌هاست و گرايش فعلي به سمت طراحي كمك‌پردازنده‌هاي اختصاصي است. سازندگان پردازنده‌هاي گرافيكي نيز با معرفي ريزمعماري وُلتا انويديا، يك رويكرد سخت‌افزار اختصاصي در هوش مصنوعي و يادگيري ماشين در پيش گرفته‌اند. اين‌گونه معماري پردازنده‌هاي گرافيكي (وُلتا و تورينگ) در مقايسه با ساير شتاب‌دهنده‌هاي سخت‌افزاري نظير اف.پي.جي.اِي. و اِي.سيك. ، از حيث كارآمدي انرژي و كارايي اجراي الگوريتم‌هاي يادگيري عميق قابل رقابت هستند.