سوال:
کمپنیاں مشین سیکھنے کے لئے جی پی یو کیوں سورس کررہی ہیں؟
A:اگر آپ مشین لرننگ کے بارے میں پڑھ رہے ہیں تو ، آپ شاید مشین لرننگ پروجیکٹس میں گرافکس پروسیسنگ یونٹوں یا جی پی یو کے استعمال کے بارے میں بہت کچھ سن رہے ہیں ، اکثر مرکزی پروسیسنگ یونٹوں یا سی پی یو کے متبادل کے طور پر۔ مشینیں سیکھنے کے لئے جی پی یو کا استعمال مخصوص خصوصیات کی وجہ سے ہوتا ہے جس کی وجہ سے وہ مشین لرننگ پروجیکٹس ، جو خاص طور پر بہت زیادہ متوازی پروسیسنگ کی ضرورت ہوتی ہے ، یا دوسرے لفظوں میں ، بیک وقت ایک سے زیادہ دھاگوں پر عملدرآمد کی ضرورت ہوتی ہے۔
| مفت ڈاؤن لوڈ: مشین سیکھنا اور اس سے کیوں فرق پڑتا ہے |
مشین سیکھنے کے ل GP GPUs کیوں مطلوبہ ہوگئے ہیں اس کے بارے میں بات کرنے کے بہت سارے طریقے ہیں۔ ایک آسان ترین طریقہ یہ ہے کہ روایتی سی پی یو میں کور کی چھوٹی سی تعداد کے عام جی پی یو میں بڑی تعداد میں کور کے ساتھ فرق کیا جائے۔ جی پی یو گرافکس اور حرکت پذیری کو بڑھانے کے لئے تیار کیا گیا تھا ، لیکن یہ متوازی پروسیسنگ کی دیگر اقسام کے لئے بھی مفید ہے - ان میں ، مشین لرننگ۔ ماہرین نے بتایا کہ اگرچہ عام جی پی یو میں بہت سے کور (بعض اوقات درجنوں) سی پی یو کے کم کور سے زیادہ آسان ہوتے ہیں ، زیادہ تعداد میں کور رکھنے سے متوازی پروسیسنگ کی بہتر صلاحیت ہوتی ہے۔ اس طرح کے نظریے کے ساتھ "ملبوس سیکھنے" کے خیالات ہیں جو ایک ایم ایل پروجیکٹ میں چلنے والی حقیقی تعلیم کو متنوع بناتے ہیں: بنیادی خیال یہ ہے کہ کمزور آپریٹرز کی بڑی تعداد مضبوط آپریٹرز کی چھوٹی تعداد کو مات دے گی۔
کچھ ماہرین اس بارے میں بات کریں گے کہ جی پی یو کس طرح فلوٹنگ پوائنٹ تھرو پٹ کو بہتر بناتا ہے یا ڈائی سرفیس کو موثر طریقے سے استعمال کرتا ہے ، یا وہ سینکڑوں ہم آہنگی دھاگوں کو کیسے پروسیسنگ میں ایڈجسٹ کرسکتا ہے۔ وہ اعداد و شمار کے توازن اور برانچ کی تغیر اور دیگر اقسام کے کام کے بینچ مارک کے بارے میں بات کرسکتے ہیں جو الگورتھم متوازی پروسیسنگ کے نتائج کی حمایت کرتے ہیں۔
مشین لرننگ میں جی پی یو کے مقبول استعمال کو دیکھنے کا ایک اور طریقہ مشین سیکھنے کے مخصوص کاموں کو دیکھنا ہے۔
بنیادی طور پر ، امیج پروسیسنگ آج کی مشین لرننگ انڈسٹری کا ایک بڑا حصہ بن چکی ہے۔ اس کی وجہ یہ ہے کہ مشین لرننگ متعدد قسم کی خصوصیات اور پکسل کے امتزاج کو پروسس کرنے کے ل well مناسب ہے جو تصویری درجہ بندی کے اعداد و شمار کو مرتب کرتی ہے ، اور مشینی ٹرین کو لوگوں یا جانوروں (یعنی بلیوں) یا کسی بصری میدان میں موجود اشیاء کو پہچاننے میں مدد دیتی ہے۔ یہ اتفاقیہ نہیں ہے کہ سی پی یوز حرکت پذیری پروسیسنگ کے لئے بنائے گئے تھے ، اور اب عام طور پر تصویری پروسیسنگ کے لئے استعمال ہوتے ہیں۔ گرافکس اور حرکت پذیری کو پیش کرنے کے بجائے ، ایک ہی ملٹی تھریڈ ، اعلی گنجائش والے مائکرو پروسیسرز ان گرافکس اور حرکت پذیری کا اندازہ کرنے کے ل useful استعمال ہوتے ہیں تاکہ مفید نتائج سامنے آئیں۔ یعنی ، صرف تصاویر دکھانے کے بجائے ، کمپیوٹر "دیکھنے والی تصاویر" ہے - لیکن یہ دونوں کام ایک ہی بصری شعبوں اور اسی طرح کے ڈیٹا سیٹ پر کام کرتے ہیں۔
اس بات کو ذہن میں رکھتے ہوئے ، یہ دیکھنا آسان ہے کہ کمپنیاں مشین سیکھنے اور مصنوعی ذہانت کے ساتھ مزید کام کرنے کے لئے GPUs (اور GPGPU جیسے اگلے درجے کے اوزار) کیوں استعمال کررہی ہیں۔
