اكتشف كيف تُحدِث وحدات معالجة الرسومات ثورة في الذكاء الاصطناعي والتعلُّم الآلي من خلال تسريع التعلُّم العميق وتحسين سير العمل وتمكين التطبيقات الواقعية.
وحدة معالجة الرسومات (GPU) هي نوع متخصص من المعالجات المصممة في البداية لمعالجة الذاكرة وتغييرها بسرعة لتسريع إنشاء الصور في مخزن مؤقت للإطار المخصص للإخراج إلى جهاز عرض. وعلى الرغم من تطويرها في البداية لعرض الرسومات في الألعاب والتصميم، إلا أن وحدات معالجة الرسومات أصبحت لا غنى عنها في مجال الذكاء الاصطناعي (AI) والتعلم الآلي (ML). إن بنية المعالجة المتوازية الخاصة بها تجعلها مناسبة بشكل استثنائي للمهام الحسابية المكثفة المطلوبة لتدريب نماذج التعلم العميق المعقدة وإجراء الاستدلال السريع.
أحدث ظهور وحدات معالجة الرسومات ثورة في الذكاء الاصطناعي والتعلم الآلي من خلال تسريع تدريب الشبكات العصبية بشكل كبير. تستفيد مهام مثل اكتشاف الأجسام وتجزئة الصور، والتي تتضمن معالجة كميات هائلة من بيانات الصور، استفادة كبيرة من قدرات المعالجة المتوازية لوحدات معالجة الرسومات. على سبيل المثال، تستفيد نماذج Ultralytics YOLO من وحدات معالجة الرسومات لتحقيق الدقة في الوقت الفعلي في معالجة بيانات الفيديو والصور لمهام اكتشاف الأجسام. وتسمح هذه السرعة للباحثين والمطورين بتكرار النماذج بسرعة أكبر، وتجربة مجموعات بيانات أكبر، ونشر تطبيقات الذكاء الاصطناعي المتطورة التي كانت غير عملية في السابق بسبب القيود الحسابية.
تختلف وحدات المعالجة المركزية (CPUs) ووحدات معالجة الرسومات (GPU) اختلافًا جوهريًا في تصميمها وتطبيقاتها. فوحدات المعالجة المركزية مصممة للحوسبة ذات الأغراض العامة وتتفوق في التعامل مع مجموعة كبيرة من المهام بالتتابع. وعلى النقيض من ذلك، صُممت وحدات معالجة الرسومات للعمليات الحسابية المتوازية على نطاق واسع، حيث تقوم بتنفيذ نفس العملية على نقاط بيانات متعددة في وقت واحد. هذه البنية المتوازية هي ما يجعل وحدات معالجة الرسومات فعالة للغاية في عمليات مضاعفة المصفوفات وعمليات الجبر الخطي الأخرى في قلب التعلم العميق.
في حين أن وحدات معالجة الرسومات (GPU) ممتازة للمعالجة المتوازية، فإن وحدات المعالجةTensor هي فئة أخرى من الأجهزة المتخصصة، تم تطويرها بواسطة Google ، خصيصًا لأعباء عمل التعلم الآلي. وقد صُممت وحدات المعالجة TPUs وتم تحسينها من أجل TensorFlow وتوفر أداءً أكبر لبعض مهام التعلم الآلي، خاصةً الاستدلال. ومع ذلك، تظل وحدات معالجة الرسومات أكثر تنوعًا بسبب قابليتها للتطبيق على نطاق أوسع ومنظومة برمجيات أوسع، مدعومة بأطر عمل مثل PyTorch ومنصة CUDA NVIDIA ، مما يجعلها الخيار السائد لمعظم عمليات تطوير الذكاء الاصطناعي.
تُعد وحدات معالجة الرسومات ضرورية لتمكين مجموعة كبيرة من تطبيقات الذكاء الاصطناعي التي تؤثر على العديد من الصناعات:
Ultralytics تستفيد من قوة وحدات معالجة الرسومات في جميع أنحاء نظامها لتحسين الأداء والكفاءة. تتيح المنصة Ultralytics HUB للمستخدمين تدريب Ultralytics YOLO النماذج في السحابة، باستخدام تسريع GPU لتقليل أوقات التدريب بشكل كبير. لنشر النماذج، يدعم Ultralytics تنسيقات مثل TensorRTالذي يعمل على تحسين النماذج لوحدات معالجة الرسومات NVIDIA ، مما يعزز سرعة الاستدلال.
بالنسبة لعمليات النشر على الحافة، تُعد الأجهزة مث ل سلسلةNVIDIA جيتسون المزودة بوحدات معالجة رسومات قوية NVIDIA منصات مثالية لتشغيل نماذج Ultralytics YOLO في تطبيقات الوقت الفعلي. للبدء في استخدام الذكاء الاصطناعي المتسارع GPU ، يوفر دليل البدء السريعUltralytics تعليمات لإعداد CUDA والبيئات اللازمة. بالنسبة للمستخدمين المتقدمين الذين يتطلعون إلى توسيع نطاق تدريبهم، يتم دعم التدريب الموزع عبر وحدات معالجة رسومات متعددة، مما يزيد من تسريع عملية التدريب للنماذج الأكبر والأكثر تعقيدًا.
AR
EN
ZH
KO
JA
RU
DE
FR
ES
PT
IT
TR
VI
.webp)
