اكتشف كيف تعمل وحدات المعالجة Tensor (TPUs) على تسريع مهام التعلُّم الآلي مثل التدريب والاستدلال واكتشاف الكائنات بكفاءة لا مثيل لها.
وحدة معالجة Tensor TPU هي مُسرِّع تعلُّم آلي مُصمَّم خصيصًا تم تطويره بواسطة Google خصيصًا لأعباء عمل الشبكات العصبية. صُممت هذه المعالجات المتخصصة، وهي نوع من الدوائر المتكاملة الخاصة بالتطبيقات (ASIC)، لتسريع عمليات التعلم الآلي وتوسيع نطاقها بشكل كبير، خاصةً في مهام الاستدلال والتدريب. وقد صُممت وحدات المعالجة العصبية TPU للتعامل مع العمليات الحسابية الرياضية المعقدة التي ينطوي عليها الذكاء الاصطناعي، مما يوفر تحسينات كبيرة في الأداء مقارنة بوحدات المعالجة المركزية وغالباً وحدات معالجة الرسومات لأنواع معينة من نماذج التعلم الآلي.
تم تصميم TPU المعالجة TPU PU من الألف إلى الياء لتلبية المتطلبات الفريدة للتعلم الآلي (ML)، وخاصة التعلم العميق. فعلى عكس المعالجات ذات الأغراض العامة مثل وحدات المعالجة المركزية أو حتى وحدات معالجة الرسومات التي تتعامل مع مجموعة واسعة من المهام، صُممت وحدات المعالجة الحرارية TPU خصيصًا للتفوق في عمليات حساب tensor - العمليات الرياضية الأساسية في الشبكات العصبية. الموتر عبارة عن مصفوفات متعددة الأبعاد تمثل البيانات في نماذج تعلّم الآلة (MLU)، وقد تم تحسين وحدات المعالجة الحرارية TPU لأداء عمليات مضاعفة المصفوفات على نطاق واسع وغيرها من عمليات الجبر tensor بسرعة عالية وكفاءة في استخدام الطاقة. يسمح هذا التخصص لوحدات المعالجة التفاعلية بتنفيذ مهام تعلّم الآلة بسرعة أكبر بكثير من وحدات المعالجة المركزية، وفي العديد من السيناريوهات، بكفاءة أكبر من وحدات معالجة الرسومات، خاصةً عند العمل مع أطر مثل TensorFlow الذي تم تحسينها من أجله في البداية، على الرغم من أن دعم أطر أخرى مثل PyTorch متاح أيضًا. يمكنك معرفة المزيد حول التفاصيل من مقدمةGoogle Cloud TPU .
تُستخدم وحدات المعالجة الثلاثية على نطاق واسع في العديد من التطبيقات، لا سيما تلك التي تعمل بواسطة خدمات Google وبشكل متزايد في مجالات الذكاء الاصطناعي وتعلم الآلة الأوسع نطاقًا التي يمكن الوصول إليها عبر منصات مثل Google Cloud. تشمل التطبيقات الرئيسية ما يلي:
بينما تعمل كل من وحدات معالجة الرسومات ووحدات معالجة الرسومات على تسريع أعباء عمل تعلّم الآلة، إلا أنها تختلف بشكل كبير:
باختصار، تمثل وحدات المعالجة ثلاثية الأبعاد تقدمًا كبيرًا في الأجهزة المصممة خصيصًا لتلبية متطلبات التعلم الآلي الحديث، مما يوفر أداءً وكفاءة محسّنين لتطبيقات ذكاء اصطناعي محددة، لا سيما مهام التدريب والاستدلال واسعة النطاق. كما أنها تكمل المسرعات الأخرى مثل وحدات معالجة الرسومات، وتوفر خيارات تعتمد على عبء العمل المحدد، والحجم، والنظام البيئي للبرامج. يمكنك استكشاف خيارات التدريب، بما في ذلك الموارد السحابية، عبر منصات مثل Ultralytics HUB.