وحدة المعالجة Tensor (TPU) هي مسرع تعلم آلي مصمم خصيصًا للتعلم الآلي تم تطويره بواسطة Google خصيصًا لأعباء عمل الشبكات العصبية. وقد صُممت هذه المعالجات المتخصصة لتسريع عمليات التعلم الآلي وتوسيع نطاقها بشكل كبير، خاصةً بالنسبة لمهام الاستدلال والتدريب. صُممت وحدات المعالجة الحرارية TPUs للتعامل مع العمليات الحسابية الرياضية المعقدة التي ينطوي عليها الذكاء الاصطناعي، مما يوفر تحسينات كبيرة في الأداء مقارنة بوحدات المعالجة المركزية ووحدات معالجة الرسومات لأنواع معينة من نماذج التعلم الآلي.
ما هو TPU ؟
TPU هي عبارة عن دائرة متكاملة خاصة بالتطبيقات (ASIC) مصممة من الألف إلى الياء لتلبية المتطلبات الفريدة للتعلم الآلي، وخاصة التعلم العميق. على عكس المعالجات ذات الأغراض العامة مثل وحدات المعالجة المركزية أو حتى وحدات معالجة الرسومات التي تتسم بالتنوع ويمكنها التعامل مع مجموعة واسعة من المهام، فإن وحدات المعالجة المتكاملة مصممة خصيصًا للتفوق في tensor الحسابات، وهي العمليات الرياضية الأساسية في الشبكات العصبية. والمكثفات عبارة عن مصفوفات متعددة الأبعاد تمثل البيانات في نماذج التعلم الآلي، وقد تم تحسين وحدات المعالجة الحرارية TPU لأداء الجبر tensor بسرعة وكفاءة عالية. ويسمح هذا التخصص لوحدات المعالجة الحرارية TPU بتنفيذ مهام التعلم الآلي، مثل تدريب النماذج المعقدة أو إجراء الاستدلال السريع، بسرعة أكبر بكثير من وحدات المعالجة المركزية، وفي كثير من الحالات، بكفاءة أكبر من وحدات معالجة الرسومات. لفهم المزيد عن العمليات الحسابية الأساسية، يمكنك استكشاف الموارد المتعلقة بالتعلم العميق والشبكات العصبية.
تطبيقات وحدات المعالجة الثلاثية
تُستخدم وحدات المعالجة الحرارية على نطاق واسع في العديد من التطبيقات، لا سيما تلك التي تعمل بواسطة خدمات Google وبشكل متزايد في مجالات الذكاء الاصطناعي وتعلم الآلة الأوسع نطاقاً. تتضمن بعض التطبيقات الرئيسية ما يلي:
- تسريع نماذج Ultralytics YOLO : يمكن لوحدات المعالجة الحرارية TPUs تسريع عملية الاستدلال بشكل كبير ل Ultralytics YOLO النماذج، مما يتيح اكتشاف الكائنات بشكل أسرع وأكثر كفاءة في تطبيقات الزمن الحقيقي.
- تشغيل خدمات Google : تستخدم العديد من منتجات Google ، مثل Google Search و Google Translate و Google Photos، وحدات المعالجة الحرارية لتقديم ميزات سريعة ودقيقة تعتمد على الذكاء الاصطناعي لمليارات المستخدمين. على سبيل المثال، تؤدي وحدات المعالجة الحرارية ثلاثية الأبعاد دورًا حاسمًا في البحث الدلالي وتحسين جودة نتائج البحث.
- التعلم الآلي القائم على السحابة: Google تقدم السحابة وحدات المعالجة التركيبية كخدمة، مما يسمح للباحثين والمطورين بالاستفادة من قوتها في أعباء عمل التعلم الآلي المتطلبة في السحابة. وهذا مفيد بشكل خاص لمهام مثل ضبط المعلمات الفائقة والتدريب الموزع للنماذج الكبيرة.
- حوسبة الحافة: Google تم تصميم وحدات معالجة الحافة TPUs المصممة للنشر على الأجهزة المتطورة مثل Raspberry Pi والأنظمة المدمجة الأخرى. تتيح هذه النماذج تشغيل نماذج التعلم الآلي محلياً على الأجهزة، مما يسهل المعالجة في الوقت الفعلي ويقلل من زمن الوصول، وهو أمر بالغ الأهمية لتطبيقات مثل أتمتة العمليات الروبوتية (RPA) وتتبع الكائنات في الوقت الفعلي.
- تحليل الصور الطبية: تعمل وحدات المعالجة ثلاثية الأبعاد على تسريع معالجة مهام تحليل الصور الطبية الكبيرة، مما يساعد في سرعة التشخيص وتخطيط العلاج في مجال الرعاية الصحية.
وحدات المعالجة ثلاثية الأبعاد مقابل وحدات معالجة الرسومات
بينما تُستخدم كل من وحدات معالجة الرسومات ووحدات معالجة الرسومات لتسريع أعباء عمل التعلم الآلي، إلا أن هناك اختلافات رئيسية بينهما:
- التخصص: تتخصص وحدات معالجة الرسومات TPU بشكل كبير في التعلم الآلي، خاصةً في أعباء العمل TensorFlow ، في حين أن وحدات معالجة الرسومات GPU أكثر عمومية وتتفوق في المعالجة المتوازية للرسومات ومجموعة أوسع من المهام الحسابية بخلاف التعلم الآلي.
- البنية: تمتلك وحدات معالجة الرسوميات بنية مصممة خصيصًا لعمليات ضرب المصفوفات و tensor ، مما يجعلها فعالة بشكل استثنائي لحسابات الشبكات العصبية. بينما تمتلك وحدات معالجة الرسومات، رغم أنها معالجات متوازية أيضًا، بنية أكثر مرونة مصممة لعرض الرسومات التي تم تكييفها للتعلم الآلي.
- الأداء: بالنسبة لمهام التعلّم العميق، وخاصة الاستدلال، غالباً ما تتفوق وحدات معالجة الرسوميات على وحدات معالجة الرسومات من حيث السرعة وكفاءة الطاقة. ومع ذلك، تظل وحدات معالجة الرسومات متعددة الاستخدامات وقوية لمجموعة واسعة من مهام الحوسبة ومدعومة بمنظومة أوسع من البرامج والمكتبات.
- إمكانية الوصول: كان الوصول إلى وحدات معالجة الرسوميات في البداية أكثر تقييدًا في الوصول إليها ولكنها متاحة الآن من خلال منتجات Google Cloud و Edge TPU . يمكن الوصول إلى وحدات معالجة الرسومات على نطاق واسع من مختلف البائعين ومقدمي الخدمات السحابية.
باختصار، تمثل وحدات المعالجة الحرارية ثلاثية الأبعاد تقدمًا كبيرًا في الأجهزة المصممة خصيصًا لتلبية متطلبات التعلم الآلي الحديث، مما يوفر أداءً وكفاءة محسّنين لمجموعة واسعة من تطبيقات الذكاء الاصطناعي، بما في ذلك تلك التي تستفيد من أحدث النماذج مثل Ultralytics YOLOv8.
