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 و حمیدی، حمیدرضا. (1399). به‌کارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکه‌های عصبی و یادگیری عمیق. علوم رایانشی، 5(1)، 2–17.
MLA
ناظمی جنابی، فاطمه، و حمیدی، حمیدرضا. "به‌کارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکه‌های عصبی و یادگیری عمیق"، علوم رایانشی، 5، 1، 1399، 2–17.
HARVARD
ناظمی جنابی، فاطمه، و حمیدی، حمیدرضا. (1399). 'به‌کارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکه‌های عصبی و یادگیری عمیق'، علوم رایانشی، 5(1), pp. 2–17.
CHICAGO
ناظمی جنابی، فاطمه و حمیدی، حمیدرضا، "به‌کارگیری پردازنده گرافیکی در یادگیری ماشین: تأکید بر شبکه‌های عصبی و یادگیری عمیق." علوم رایانشی، 5 1 (1399): 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.
