CPU مقابل GPU في التعلم الآلي؟ وهو أمر مهم

بالنسبة لأولئك الذين هم على دراية بالتقنيات ، فإن الفرق بين وحدة المعالجة المركزية ووحدة معالجة الرسومات بسيط نسبيًا. ومع ذلك ، لفهم الاختلافات بشكل أفضل ، يجب علينا تعدادها لتقدير طلباتها بالكامل. بشكل عام ، تُستخدم وحدات معالجة الرسومات لتولي وظائف إضافية لما تقوم به وحدات المعالجة المركزية بالفعل. في الواقع ، على الرغم من ذلك ، غالبًا ما تكون وحدة معالجة الرسومات هي القوة الدافعة وراء التعلم الآلي والذكاء الاصطناعي. دعونا الآن نلقي نظرة على الاختلافات الأساسية بينCPU مقابل GPU في التعلم الآلي .

قم بالتسجيل في دورة التعلم الآلي من أفضل الجامعات في العالم. احصل على درجة الماجستير أو برنامج PGP التنفيذي أو برامج الشهادات المتقدمة لتسريع مسار حياتك المهنية.

CPU مقابل GPU

وحدة المعالجة المركزية تعني وحدة المعالجة المركزية. إنه يعمل مثل الدماغ البشري في أجسامنا. تأخذ شكل رقاقة صغيرة توضع على اللوحة الأم. يتلقى البيانات وينفذ الأوامر ويعالج المعلومات التي ترسلها أجهزة الكمبيوتر والأجهزة ومكونات البرامج الأخرى. في كيفية إنشائها ، تعد وحدات المعالجة المركزية (CPU) هي الأفضل للمعالجة المتسلسلة والمعالجة العددية ، مما يسمح بعمليات مختلفة متعددة على نفس مجموعة البيانات.

GPU هي اختصار لوحدة معالجة الرسومات. في معظم طرازات الكمبيوتر ، يتم دمج وحدة معالجة الرسومات في وحدة المعالجة المركزية. يتمثل دورها في الاهتمام بالعمليات التي لا تستطيع وحدة المعالجة المركزية (CPU) القيام بها ، أي معالجة الرسومات المكثفة. بينما لا يمكن لوحدة المعالجة المركزية تنفيذ سوى عدد محدود من الأوامر ، يمكن لوحدة معالجة الرسومات إدارة آلاف الأوامر بالتوازي. يحدث هذا لأنه يعالج نفس العملية على مجموعات متعددة من البيانات. تم بناء وحدات معالجة الرسومات على بنية بيانات متعددة التعليمات (SIMD) ، وهي تستخدم معالجة المتجهات لترتيب المدخلات في تدفقات البيانات بحيث يمكن معالجتها جميعًا مرة واحدة.

وبالتالي ، بعد أن حددنا الاختلاف الأساسي بين وحدة المعالجة المركزية ووحدة معالجة الرسومات ، تعلمنا أنهم يعالجون أجزاء بيانات مختلفة ، والآن يمكننا إلقاء نظرة على وحدة المعالجة المركزية مقابل وحدة معالجة الرسومات في التعلم الآلي .بينما يمكن لوحدات المعالجة المركزية التعامل مع الوظائف الرسومية ، فإن وحدات معالجة الرسومات مثالية لها لأنها مُحسَّنة للحساب السريع المطلوب. لعرض الأشكال ثلاثية الأبعاد في الألعاب ، تم استخدام وحدات معالجة الرسومات بشكل أساسي حتى وقت قريب جدًا. ومع ذلك ، بسبب البحث الجديد فيها ، اتسع مجال التطبيق بشكل كبير.

تحقق من شهادة upGrad المتقدمة في DevOps

تطبيق الرسومات في التعلم الآلي

غالبًا ما يستدعي التعلم الآلي والذكاء الاصطناعي صورًا من الخيال العلمي فينا. نحلم بإنسان آلي Terminator أو حواسيب Asimov العملاقة. ومع ذلك ، فإن الواقع أكثر واقعية بعض الشيء. يتضمن أشياء مثل ذكاء الأعمال واختصارات التحليلات. إنهم في خط التقدم المطرد الذي بدأ من أجهزة الكمبيوتر العملاقة مثل Deep Blue. كان ديب بلو حاسوبًا هزم غاري كاسباروف ، بطل الشطرنج آنذاك. كان يطلق عليه اسم كمبيوتر عملاق لأنه يحتوي على 75 تيرافلوب من قوة المعالجة ، والتي تشغل ما يعادل عدة رفوف على مساحة أرضية كبيرة.

اليوم ، بطاقة الرسومات تحمل حوالي 70 تيرافلوب من قوة المعالجة. عند استخدامه على الكمبيوتر ، فإنه يستخدم 2000-3000 مركز. على سبيل المقارنة ، يمكن لشريحة GPU الفردية هذه معالجة بيانات تصل إلى 1000 مرة أكثر من شريحة وحدة المعالجة المركزية التقليدية.

من المهم أيضًا ملاحظة أن وحدات المعالجة المركزية ووحدات معالجة الرسومات تضيف إلى قدراتنا الحالية. يمكننا القيام بكل الوظائف التي يقومون بها دون الحاجة إلى اللجوء إليهم. لكن الفائدة التي يجلبونها هي أنها تجعل كل شيء أسهل وأسرع. فكر في البريد الفعلي مقابل البريد الفعلي. كلاهما يمكن القيام به ، لكن هذا الأخير أسرع وأسهل بلا شك. لذلك ، فإن التعلم الآلي ليس سوى القيام بنفس العمل الذي نقوم به ولكن في بيئة معززة. يمكن للآلات أن تقوم بالمهام والحسابات على مدار أيام قد تستغرق حياتنا أو أكثر.

أفضل دورات التعلم الآلي ودورات الذكاء الاصطناعي عبر الإنترنت

حالات التعلم الآلي المتعلقة بوحدات معالجة الرسومات

يستعير التعلم الآلي بشكل كبير من نظرية التطور الداروينية. يأخذ في الاعتبار أي تحليل للبيانات الضخمة ما كان الحل الأسرع والأسرع سابقًا. يحفظ هذا التكرار للتحليل المستقبلي. كمثال ، تريد شركة محلية تحليل مجموعة بيانات للعملاء المحليين. عندما تبدأ المجموعة الأولى ، لن تعرف ما تعنيه أي من البيانات. ولكن بناءً على عمليات الشراء المستمرة ، يمكن مقارنة كل محاكاة للحفاظ على الأفضل وتجاهل الباقي.

تستخدم المواقع على الإنترنت مثل Google و YouTube هذه الميزة كثيرًا. يأخذ بيانات تاريخية وينشئ اتجاهًا بناءً على ذلك للصفحات ومقاطع الفيديو الموصى بها. على سبيل المثال ، إذا شاهدت "فيديو قط لطيف" ، فإن الجهاز قد تعلم من تجربة أنماط الموقع وسلوك المستخدم ما يجب أن يوصي به بجوارك. وبالمثل ، بمجرد تحديد اتجاهاتك بناءً على الاستخدام المستمر ، يتم أيضًا أخذ ذلك في الاعتبار فيما يتعلمونه. هذا المبدأ نفسه يعمل على مواقع التجارة الإلكترونية مثل Amazon و Facebook. إذا كنت تبحث عن منتجات ذات صلة بكرة القدم ، فستكون الإعلانات التالية التي ستشاهدها متشابهة في طبيعتها معها.

مهارات التعلم الآلي عند الطلب

اختيار GPU الصحيح

تعمل وحدات معالجة الرسومات ، كما أنشأنا ، بشكل أفضل للتعلم الآلي. ولكن حتى عند اختيار وحدة معالجة الرسومات ، يجب علينا اختيار أفضل خيار متاح لاحتياجاتنا. العامل المحدد عند اختيار وحدة معالجة الرسومات يعتمد بشكل أساسي على نوع العمليات الحسابية التي يجب القيام بها. هناك نوعان من الحسابات الدقيقة التي يمكن لوحدة معالجة الرسومات القيام بها اعتمادًا على عدد الأماكن التي يمكنها إجراء العمليات الحسابية عليها. تُعرف هذه الأنواع بدقة النقطة العائمة المفردة والنقطة العائمة المزدوجة.

تشغل النقاط العائمة أحادية الدقة 32 بتًا من ذاكرة الكمبيوتر مقارنة بالنقاط العائمة المزدوجة الدقة ، والتي تشغل 64 بت. بشكل بديهي ، يُظهر أن النقاط العائمة المزدوجة الدقة يمكنها إجراء حسابات أكثر تعقيدًا وبالتالي يكون لها نطاق أكبر. ومع ذلك ، وبسبب نفس السبب ، فإنها تتطلب درجة أعلى من البطاقة للتشغيل ، كما أنها تستغرق وقتًا أطول لأنه في كثير من الأحيان ، تستند البيانات المحسوبة إلى رياضيات ذات مستوى أعلى.

إذا لم تكن مطورًا بنفسك ، فيجب على المرء أن يعيد النظر قبل الدخول في هذه التقنيات المتطورة. لا يوجد مقاس واحد يناسب جميع المتطلبات. يجب تخصيص كل كمبيوتر بناءً على مجموعة البيانات التي يجب تحليلها. علاوة على ذلك ، تعتبر متطلبات الأجهزة مثل الطاقة والتبريد من الاعتبارات المهمة أيضًا ويمكن أن تستخدم ما بين 200-300 واط. يجب وجود رفوف تبريد ومبردات هواء كافية لموازنة الحرارة المتولدة لأن الحرارة يمكن أن تؤثر في نهاية المطاف على أجهزتك الأخرى.

مدونات AI و ML الشعبية ودورات مجانية

في upGrad ، الشهادة المتقدمة في التعلم الآلي والتعلم العميق ، المقدمة بالتعاون مع IIIT-B ، هي دورة مدتها 8 أشهر يدرسها خبراء الصناعة لإعطائك فكرة واقعية عن كيفية عمل التعلم العميق والتعلم الآلي. في هذه الدورة ، ستحصل على فرصة لتعلم مفاهيم مهمة حول التعلم الآلي والتعلم العميق ورؤية الكمبيوتر والسحابة والشبكات العصبية والمزيد.

تحقق من صفحة الدورة التدريبية وسجّل نفسك قريبًا!

استعد لمهنة المستقبل

تقدم بطلب للحصول على برنامج الدراسات العليا التنفيذية في التعلم الآلي والذكاء الاصطناعي