Q:
Mengapa perusahaan mencari GPU untuk pembelajaran mesin?
SEBUAH:Jika Anda membaca tentang pembelajaran mesin, Anda mungkin mendengar banyak tentang penggunaan unit pemrosesan grafis atau GPU dalam proyek pembelajaran mesin, sering kali sebagai alternatif dari unit pemrosesan pusat atau CPU. GPU digunakan untuk pembelajaran mesin karena sifat spesifik yang membuatnya lebih cocok dengan proyek pembelajaran mesin, terutama yang membutuhkan banyak pemrosesan paralel, atau dengan kata lain, pemrosesan simultan dari banyak utas.
| Unduh Gratis: Pembelajaran Mesin dan Mengapa Itu Penting |
Ada banyak cara untuk membicarakan mengapa GPU menjadi hal yang diinginkan untuk pembelajaran mesin. Salah satu cara paling sederhana adalah dengan membandingkan sejumlah kecil inti dalam CPU tradisional dengan jumlah inti yang jauh lebih besar dalam GPU biasa. GPU dikembangkan untuk meningkatkan grafis dan animasi, tetapi juga berguna untuk jenis pemrosesan paralel lainnya - di antaranya, pembelajaran mesin. Para ahli menunjukkan bahwa meskipun banyak core (kadang-kadang puluhan) dalam GPU tipikal cenderung lebih sederhana daripada core yang lebih sedikit dari CPU, memiliki jumlah core yang lebih besar mengarah pada kemampuan pemrosesan paralel yang lebih baik. Ini sesuai dengan gagasan serupa tentang “pembelajaran ensemble” yang mendiversifikasi pembelajaran aktual yang berlangsung dalam proyek ML: Gagasan dasarnya adalah bahwa jumlah yang lebih besar dari operator yang lebih lemah akan mengungguli jumlah yang lebih kecil dari operator yang lebih kuat.
Beberapa ahli akan berbicara tentang bagaimana GPU meningkatkan throughput floating point atau menggunakan permukaan die secara efisien, atau bagaimana mereka mengakomodasi ratusan thread bersamaan dalam pemrosesan. Mereka dapat berbicara tentang tolok ukur untuk paralelisme data dan divergensi cabang dan jenis pekerjaan lain yang didukung algoritma dengan hasil pemrosesan paralel.
Cara lain untuk melihat penggunaan GPU yang populer dalam pembelajaran mesin adalah dengan melihat tugas pembelajaran mesin tertentu.
Pada dasarnya, pemrosesan gambar telah menjadi bagian utama dari industri pembelajaran mesin saat ini. Itu karena pembelajaran mesin sangat cocok untuk memproses banyak jenis fitur dan kombinasi piksel yang membentuk kumpulan data klasifikasi gambar, dan membantu mesin melatih untuk mengenali orang atau binatang (yaitu kucing) atau objek dalam bidang visual. Bukan kebetulan bahwa CPU dirancang untuk pemrosesan animasi, dan sekarang umum digunakan untuk pemrosesan gambar. Alih-alih merender gambar dan animasi, mikroprosesor multi-utas yang sama digunakan untuk mengevaluasi grafik dan animasi tersebut untuk menghasilkan hasil yang bermanfaat. Artinya, alih-alih hanya menampilkan gambar, komputer "melihat gambar" - tetapi kedua tugas tersebut bekerja pada bidang visual yang sama dan kumpulan data yang sangat mirip.
Dengan mengingat hal itu, mudah untuk melihat mengapa perusahaan menggunakan GPU (dan alat tingkat selanjutnya seperti GPGPU) untuk berbuat lebih banyak dengan pembelajaran mesin dan kecerdasan buatan.
