1
مرکز رشد واحدهای فناور ـ دانشگاه بین المللی امام خمینی)ره( ـ قزوین ـ ایران
2
دانشکده فنی و مهندسی ـ دانشگاه بین المللی امام خمینی)ره( ـ قزوین ـ ایران
چکیده
این مقاله علاوه بر مرور ساختار پردازشی و قابلیتهای پردازنده گرافیکی به تسریعهای بهدست آمده برای محاسبات عمومی و بهطور خاص، شبکههای عصبی و یادگیری عمیق میپردازد. توسعه ابزارها، کتابخانهها و چارچوبهای یادگیری ماشین برای پردازنده گرافیکی همچنان نیازمند توسعه است. برای مقیاسپذیری روی چند پردازنده گرافیکی، موضوعاتی نظیر پشتیبانی کتابخانهها و ابزارها از ارتباطات میان پردازندههای گرافیکی و رفع نیاز به بازنویسی کد توسط کاربر نیازمند توجه هستند. یکی از موانع محاسبات حجیم از جمله یادگیری عمیق، انرژیبر بودن آنهاست و گرایش فعلی به سمت طراحی کمکپردازندههای اختصاصی است. سازندگان پردازندههای گرافیکی نیز با معرفی ریزمعماری وُلتا انویدیا، یک رویکرد سختافزار اختصاصی در هوش مصنوعی و یادگیری ماشین در پیش گرفتهاند. اینگونه معماری پردازندههای گرافیکی (وُلتا و تورینگ) در مقایسه با سایر شتابدهندههای سختافزاری نظیر اف.پی.جی.اِی. و اِی.سیک. ، از حیث کارآمدی انرژی و کارایی اجرای الگوریتمهای یادگیری عمیق قابل رقابت هستند.
ناظمی جنابی, فاطمه, & حمیدی, حمیدرضا. (1399). بهکارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکههای عصبی و یادگیری عمیق. علوم رایانشی, 5(1), 2-17.
MLA
فاطمه ناظمی جنابی; حمیدرضا حمیدی. "بهکارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکههای عصبی و یادگیری عمیق". علوم رایانشی, 5, 1, 1399, 2-17.
HARVARD
ناظمی جنابی, فاطمه, حمیدی, حمیدرضا. (1399). 'بهکارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکههای عصبی و یادگیری عمیق', علوم رایانشی, 5(1), pp. 2-17.
VANCOUVER
ناظمی جنابی, فاطمه, حمیدی, حمیدرضا. بهکارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکههای عصبی و یادگیری عمیق. علوم رایانشی, 1399; 5(1): 2-17.