GPU против CPU: какой из них вам нужен, если вы хотите изучить глубокое обучение
Недавно у меня был интересный опыт при обучении модели глубокого обучения. Короче говоря, сначала я расскажу вам о результате: вычисления на основе ЦП заняли 42 минуты для обучения более 2000 изображений за одну эпоху, в то время как вычисления на основе графического процессора заняли всего 33 СЕКУНДЫ!
Хотите верьте, хотите нет, но на самом деле я впервые испытываю разницу между CPU и GPU в процессе глубокого обучения.
Как специалист по данным или любой энтузиаст машинного обучения, вы неизбежно будете слышать подобное утверждение снова и снова:
Для глубокого обучения требуется много вычислительной мощности.
GPU является ключом к решению этой проблемы. Но для кого-то вроде меня, у которого нет опыта в области аппаратного обеспечения и информатики, почему?
Вот видео, объясняющее механизмы и различия GPU и CPU, которые мне очень нравятся.
По сути, ГП очень мощно справляется с параллельной обработкой больших объемов данных, а ЦП хорошо справляется с последовательными процессами.
GPU обычно используется для графического рендеринга (какой сюрприз). Вот почему все игровые консоли (Xbox, PS, Nintendo Switch) требуют приличных графических процессоров. ЦП чаще используется для общих вычислений.
Однако, что более важно, какой из них нам нужен, если мы изучаем глубокое обучение?
Процессор обязателен?
Короткий ответ: да. Большинство ноутбуков или настольных компьютеров, независимо от того, используете ли вы MacBook или ПК, при покупке включают процессор. Вы, должно быть, где-то видели двухъядерные процессоры Intel i5, i6 и т. д., когда просматривали компьютеры в Интернете или в магазине. Это электронная схема, которая выполняет инструкции, содержащие компьютерную программу.
Следующий вопрос: если есть ЦП, обязательно ли использовать ГП?
Да и нет.
Вы будете удивлены, узнав, как много вы можете узнать без машины с графическим процессором в своем машинном обучении или глубоком обучении. Ваш ноутбук прекрасно подойдет, если вы только начинаете процесс обучения. Только если вы планируете работать с большим количеством изображений, как мы, или тестировать чрезвычайно сложные модели, вам понадобится графический процессор для ускорения работы.
Из моего опыта:
- Вы всегда можете протестировать свой код без GPU. Всем общим библиотекам, таким как Tensorflow, PyTorch, можно указать использовать конкретно ЦП. Что еще лучше, они также могут использовать GPU. Вы можете использовать тот же скрипт, и некоторые из библиотек могут определить оптимальные методы и переключаться между процессорами. (Но будьте осторожны, вам может понадобиться добавить некоторые дополнительные пакеты или библиотеки, такие как «TensorFlow-gpu». Урок, полученный после трехдневного обучения работе с процессором.)
- Эффективно используйте онлайн-платформы. Покупка хорошего графического процессора может быть дорогой. В Интернете есть куча бесплатных источников графических процессоров, которые вы можете просто зарегистрировать в Kaggle или Google Colab.
- Существуют также платные услуги, если вы хотите использовать более крупные платформы, такие как Amazon Web Service (AWS), Microsoft Azure или Google Cloud.
На сегодняшний день мы пришли к выводу, что вам не нужен графический процессор для изучения машинного обучения, но это рекомендуется, если вы планируете работать в этой области в долгосрочной перспективе.
Джоан Ли, специалист по обработке и анализу данных @ GeoNadir
Я считаю, что технологии — это ключ к будущему. Как специалист по данным в GeoNadir, я в настоящее время сосредоточен на раскрытии бесконечной информации с надирного угла с помощью искусственного интеллекта. Имея опыт работы в морской науке и большой интерес к дистанционному зондированию, мое предыдущее приключение заключалось в обнаружении морских огурцов на изображениях с беспилотников с помощью современной модели обнаружения объектов. Я бы хотел, чтобы на борту было больше людей, чтобы исследовать потенциал данных с дронов!
#drone #dronedata #dronesforgood #dronepilots #dronemapper #UAV #citizenscience #environment #spatialdata #geospatial #datascience #mapping #maps #remotesense #data #environment #citizenscience #datajustice #openscience #feministmapping #datafeminism #genderequality #datajustice
Планируйте свой полет, обрабатывайте изображения, публикуйте и делитесь своими данными на GeoNadir
Первоначально опубликовано на https://www.linkedin.com.
