2. Neyron tarmoqlarni o'qitish turlari Neyron tarmoqlarni o'qitish uchun apparat platformalari


Neyron tarmoqlarni o'qitish uchun apparat platformalari



Yüklə 24,15 Kb.
səhifə6/7
tarix12.10.2023
ölçüsü24,15 Kb.
#154873
1   2   3   4   5   6   7
2. Neyron tarmoqlarni o\'qitish turlari Neyron tarmoqlarni o\'qiti-fayllar.org

Neyron tarmoqlarni o'qitish uchun apparat platformalari
Shunday qilib, biz neyron tarmoqlarni qanday o'qitishga qaror qildik, endi o'qitish uchun qanday apparat platformalaridan foydalanish mumkinligini ko'rib chiqamiz. Bu muhim omil, chunki neyron tarmoqlardagi vazifalar uchun zamonaviy talablar o'nlab va yuz minglab neyronlarning o'lchamlarini qayta ishlashni talab qiladi.

Ko'p yadroli protsessorlar . Zamonaviy umumiy maqsadli protsessorlar hozirda bir nechta yadrolar va ko'p ish zarralari mavjudligi sababli yuqori samarali hisoblashni tashkil qilish uchun etarlicha rivojlangan vositalarga ega. Ushbu yondashuv neyron tarmoqlar uchun ixtisoslashtirilgan apparat yechimlaridan biroz pastroq, ammo amalda u neyron tarmoqlarni o'qitish uchun ishlatilishi mumkin.


GPU . Videoboards yoki Grafik protsessor birligi dastlab 3D grafik ilovalari, shu jumladan o'yinlar uchun ishlab chiqilgan. Ular parallel ravishda matematik operatsiyalarni hisoblash uchun ko'plab maxsus protsessor birliklariga va natijalarni saqlash uchun yuqori tezlikda xotiraga ega. Keyin NVIDIA CUDA nomli kutubxona yaratdi va u GPUda umumiy hisob-kitoblarni qayta ishlash imkonini berdi. Bu oddiy protsessorga nisbatan neyron tarmoqlarni o'qitish tezligini minglab marta oshirish imkonini beradi.
TPU . Neyron tarmoqlar uchun samaraliroq protsessor yaratish uchun Google Tensor ishlov berish blokini (TPU) ishlab chiqdi. Google oʻzining birinchi TPU-sini 2016-yilda chiqardi. Endi TensorFlow Python API va grafik operatorlari Cloud TPU-da mavjud. TPU larga neyron tarmoqlarni o'rgatish uchun unchalik matematik aniqlik kerak emas, ya'ni juda ko'p sonli hisob-kitoblarni amalga oshirish uchun kamroq resurslar kerak.
FPGA . Maydonda dasturlashtiriladigan darvoza massivlari (FPGA) kabi qayta konfiguratsiya qilinadigan qurilmalar samarali neyron tarmoq tizimlarini yaratish uchun apparat, ramkalar va dasturiy ta'minotni ishlab chiqishni osonlashtiradi. Ba'zi manbalarga ko'ra , Intel Altera-ni sun'iy intellektni tezlashtirish uchun FPGA-larni server protsessorlariga integratsiya qilish uchun sotib olgan. Ushbu yondashuvning afzalligi shundaki, u yuqori unumdorlikni beradi va ma'lum bir vazifa uchun neyron tarmoq arxitekturasini o'zgartirish imkonini beradi.
Maxsus protsessorlar . Hozirda ko'plab kompaniyalar maxsus protsessorlar yordamida neyron tarmoqlarni o'qitish uchun samarali echimlarni yaratish ustida ishlamoqda. Bu ovozni aniqlash, avtomatik boshqarish, tasvir va videoni aniqlash kabi neyron protsessorlarining ma'lum bir sinf vazifalari uchun zarur hisoblash quvvatini amalga oshirish imkonini beradi. Kamroq quvvat sarfi bilan bunday ixtisoslashtirilgan echimlar GPU va TPU bilan solishtirganda yaxshi natijalar beradi va bu echimlar kichik shakl faktorida joylashtirish uchun ixchamdir. (NVIDIA Jetson Xavier NX, Intel Movidius Myriad 2, Mobileye EyeQ, IBM TrueNorth — neyromorfik protsessor, Cambricon MLU100, Cerebras Wafer Scale Engine (WSE) )


Yüklə 24,15 Kb.

Dostları ilə paylaş:
1   2   3   4   5   6   7




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin