جذبت منتجات أشباه الموصلات المسماة وحدات معالجة الرسومات الانتباه في السنوات الأخيرة. والسبب هو أن وحدات معالجة الرسومات تستخدم في التعلم العميق ، وهو الاتجاه السائد للذكاء الاصطناعي اليوم. أصبحت وحدات معالجة الرسومات أكثر أهمية بين منتجات أشباه الموصلات لأنها تدعم تطوير تقنية الذكاء الاصطناعي.
لذلك ، في هذه المقالة ، سنقدم مخططًا واستخدامًا لوحدة معالجة الرسومات (GPU) وسنشرح أيضًا سبب استخدامها في التعلم العميق.
ما هو GPU؟
GPU (وحدة معالجة الرسومات) هي نوع من شرائح أشباه الموصلات. تم تصميمه خصيصًا لمعالجة الصور ، وهو مسؤول عن معالجة الحساب لرسم رسومات ثلاثية الأبعاد على أجهزة الكمبيوتر ووحدات التحكم في الألعاب.
تشتهر وحدات المعالجة المركزية عندما يتعلق الأمر برقائق أشباه الموصلات ، لكن وحدات المعالجة المركزية ووحدات معالجة الرسومات لها استخدامات مختلفة. تلعب وحدة المعالجة المركزية دورًا مثل الدماغ البشري وتؤدي عمليات حسابية معقدة ومتعددة الأغراض. من ناحية أخرى ، تم تحسين وحدة معالجة الرسومات (GPU) لمعالجة الصور عالية السرعة ، ولم يكن هناك ما تفعله في الأساس بخلاف معالجة الصور.
ومع ذلك ، هناك الآن تقنية تسمى GPGPU (حوسبة الأغراض العامة في وحدة معالجة الرسومات) التي تسمح لوحدة معالجة الرسومات (GPU) بأداء أكثر من مجرد معالجة الصور.
يمكن تصنيف وحدات معالجة الرسومات إلى نوعين: 'وحدات معالجة الرسومات المدمجة' المدمجة في وحدة المعالجة المركزية و 'وحدات معالجة الرسومات المنفصلة' التي يمكن أن تستخدمها وحدة معالجة الرسومات وحدها. تمتلك Intel ، التي تمتلك أعلى حصة من وحدة المعالجة المركزية ، أعلى حصة من 'وحدة معالجة الرسومات المدمجة'. من ناحية أخرى ، فإن الحصة الأكبر من 'وحدة معالجة الرسومات المنفصلة' هي NVIDIA ، المشهورة كصانع GPU ، وتحتل حوالي 80٪ من السوق.
استخدام GPU
بشكل عام ، يتم تركيب وحدة معالجة الرسومات (GPU) على لوحة الرسوم لإجراء معالجة الصور. لوحة الرسوم هي وحدة تجمع أجزاءً لعرض الصور ومقاطع الفيديو على الشاشة ويتم تثبيتها على أجهزة الكمبيوتر وأجهزة الألعاب.
في الرسومات ثلاثية الأبعاد ، تتم معالجة الصور ثنائية الأبعاد لجعلها تبدو ثلاثية الأبعاد عن طريق إضافة الظلال والعمق. أيضًا ، من خلال القيام بذلك بشكل مستمر ، يمكنك التعبير عن حركات ثلاثية الأبعاد. عند رسم رسومات ثلاثية الأبعاد ، من الضروري حساب قيم كل بكسل تشكل الصورة بالتوازي بسرعة عالية ، كما أن عدد نوى شريحة أشباه الموصلات مهم.
عدد النوى يشبه عدد العمال ، وكلما زاد عدد النوى لديك ، يمكنك إجراء المزيد من المعالجة في نفس الوقت. تحتوي وحدة المعالجة المركزية النموذجية على بضع عشرات من النوى فقط ، حتى لو كانت عالية الجودة ، ولكن تحتوي وحدة معالجة الرسومات (GPU) على آلاف النوى. لذلك ، يمكنه التعامل مع كمية كبيرة من الحوسبة المتوازية المطلوبة للرسومات ثلاثية الأبعاد. ومع ذلك ، ضع في اعتبارك أن قوة الحوسبة لكل نواة من وحدة معالجة الرسومات أقل بكثير من قوة وحدة المعالجة المركزية بدلاً من ذلك.
تُستخدم وحدات معالجة الرسومات بشكل أساسي في التطبيقات التي تتطلب رسومات ثلاثية الأبعاد. على وجه التحديد ، يتضمن أعمال الفيديو مثل الألعاب والرسوم المتحركة والأفلام و 3DCG للمباني والمنتجات الصناعية. في الآونة الأخيرة ، تم استخدام وحدات معالجة الرسومات لتقنيات الفيديو الجديدة مثل VR و AR ، وعلى الرغم من أنها ليست معالجة للصور ، إلا أنها تُستخدم أيضًا للتعلم العميق ، وتتوسع تطبيقاتها.
نظرًا لأن أداء وحدة معالجة الرسومات مرتبط ارتباطًا مباشرًا بأداء معالجة الصور ، يتم التعبير عنه في شكل الدقة ومعدل الإطارات. الدقة هي ببساطة كثافة البكسل ، والتي أصبحت الآن شائعة في الدقة العالية الكاملة (1920 × 1080) ، و 4 كيلو (3840 × 2160) ، و 8 كيلو (7680 × 4320) للأداء العالي.
معدل الإطارات (fps) هو قيمة عددية تشير إلى عدد الصور التي يمكن عرضها في ثانية واحدة ، وكلما زادت القيمة الرقمية ، يمكن التعبير عن الفيديو بشكل أكثر سلاسة. للتبسيط ، 60 أو أكثر من الإطارات في الثانية تعني أنعم. أقل من 60 حتى 45 إطارًا في الثانية هو متوسط ، وأقل من ذلك يعد سيئًا.
التعلم العميق ووحدة معالجة الرسومات
في السنوات الأخيرة ، أصبحت وحدات معالجة الرسومات تستخدم في التعلم العميق ، وهو الاتجاه السائد للذكاء الاصطناعي ويجذب الانتباه. تُستخدم وحدات معالجة الرسومات للتعلم العميق بدلاً من وحدات المعالجة المركزية (CPU) لأنه ، كما هو مذكور أعلاه ، تعد وحدات معالجة الرسومات جيدة في المعالجة المتوازية.
في التعلم العميق ، من الضروري التعلم من كمية هائلة من البيانات واستخراج خصائص البيانات ، ولكن في ذلك الوقت ، يتم إجراء حسابات متوازية لا حصر لها.
على سبيل المثال ، في حالة التعرف على الصور ، تتم قراءة ميزات مثل اللون والشكل من الصورة ، ولكن من الضروري ضبط التكييف بشكل متكرر لتحديد الميزة التي يجب التركيز عليها للاقتراب من الإجابة الصحيحة. نظرًا لأن عدد الميزات والأنماط هائل ، فإن لديها آلية تتعلم أثناء تكرار حسابات الملايين وعشرات الملايين وتقترب تدريجياً من الإجابة الصحيحة.
في هذا الوقت ، إذا كنت تستخدم وحدة معالجة الرسومات (GPU) المتخصصة في الحوسبة المتوازية بدلاً من وحدة المعالجة المركزية (CPU) ، فيمكنك تقليل فترة التعلم للذكاء الاصطناعي. يقال عمومًا أن سرعة الحوسبة المتوازية على وحدة معالجة الرسومات تبلغ 10 مرات أو أكثر من وحدة المعالجة المركزية ، لذلك إذا كنت تستخدم وحدة معالجة الرسومات ، فيمكن للذكاء الاصطناعي التعلم في أقل من 1/10 من وقت وحدة المعالجة المركزية.
حتى الآن ، تم تصميم وحدات معالجة الرسومات خصيصًا لمعالجة الصور. ومع ذلك ، في الآونة الأخيرة ، تم تطوير الجيل التالي من وحدات معالجة الرسومات وتحسينها بشكل واضح من أجل التعلم العميق. ستصبح وحدات معالجة الرسومات أكثر أهمية في الحقبة القادمة من الطلب المتزايد باستمرار على الذكاء الاصطناعي.
في الأصل وحدة معالجة رسومات (GPU) متخصصة في معالجة الصور ، وهي الآن داعم لتقنية الذكاء الاصطناعي المتطورة. يمكن القول أن تحسين أداء وحدة معالجة الرسومات يرتبط ارتباطًا مباشرًا بتطوير تقنية الذكاء الاصطناعي بالإضافة إلى تقنية الفيديو المتطورة مثل VR و AR ، وبالتالي ميتافيرس.
حاليًا ، Nvidia هي الشركة المصنعة الأولى لوحدة معالجة الرسومات للذكاء الاصطناعي ، لكن الشركات المصنعة لأشباه الموصلات الأخرى مثل Intel و AMD تحاول اللحاق بالركب. لا يمكننا صرف أعيننا عن اتجاهات سوق وحدة معالجة الرسومات.
تابع موقعنا tech1new.com انضم إلى صفحتنا على فيسبوك و متابعتنا على Twitter للحصول على تحديثات إخبارية فورية ومراجعات وشروحات تقنية
ليست هناك تعليقات:
إرسال تعليق