وحدة معالجة المكثفات (TPU)

كيفية عمل وحدات المعالجة الثلاثية

صُممت وحدات المعالجة ثلاثية الأبعاد للتعامل مع الحجم الهائل من العمليات الحسابية التي تتطلبها نماذج الذكاء الاصطناعي. تم تحسين بنيتها بشكل كبير للعملية الرياضية الأساسية في الشبكات العصبية: ضرب المصفوفات. وعلى عكس المعالجات ذات الأغراض العامة، تركز وحدات المعالجة ثلاثية الأبعاد على العمليات الحسابية عالية الإنتاجية ومنخفضة الدقة، وهو ما يتناسب تمامًا مع طبيعة نماذج التعلم العميق. ومن خلال معالجة دفعات ضخمة من البيانات بالتوازي، يمكنها أن تقلل بشكل كبير من الوقت اللازم لتدريب النموذج والاستدلال في الوقت الحقيقي. يتم الوصول إليها بشكل أكثر شيوعًا من خلال منصة Google Cloud Platform ويتم دمجها بإحكام مع أطر عمل التعلم الآلي مثل TensorFlow و PyTorch.

التطبيقات الواقعية

تُعد وحدات المعالجة الحرارية ثلاثية الأبعاد مفيدة في تشغيل بعض تطبيقات الذكاء الاصطناعي الأكثر تطلبًا المتاحة اليوم.

1. تدريب نماذج اللغات الكبيرة (LLMs): تستخدم Google مجموعات كبيرة من وحدات المعالجة ثلاثية الأبعاد، المعروفة باسم TPU Pods، لتدريب نماذجها الأساسية الأكثر تقدماً، بما في ذلك النماذج التي تقف وراء محرك البحث والذكاء الاصطناعي التخاطبي مثل Gemini. تسمح قدرة الحوسبة المتوازية الهائلة التي تتمتع بها وحدات TPU Pods بتدريب النماذج التي تحتوي على تريليونات من المعلمات في جزء صغير من الوقت الذي تستغرقه الأجهزة الأخرى.
2. تشغيل خدمات Google: تُستخدَم وحدات المعالجة الحرارية للاستدلال في العديد من منتجات Google. على سبيل المثال، في صور Google، تمكّن هذه الوحدات من التعرّف السريع على الصور للبحث عن الأشخاص والأشياء والمشاهد. وبالمثل، تعمل هذه الوحدات على تشغيل الترجمة في الوقت الفعلي في خدمة الترجمة من Google وتُستخدم للتعرّف على الكلام في مساعد Google. واستخدمت شركة DeepMind أيضًا وحدات المعالجة الحرارية (TPUs) الشهيرة لتدريب AlphaGo، وهو الذكاء الاصطناعي الذي هزم أفضل لاعب في لعبة Go في العالم.

وحدات المعالجة ثلاثية الأبعاد مقابل وحدات معالجة الرسومات مقابل وحدات المعالجة المركزية

على الرغم من أن وحدات معالجة الرسوميات ووحدات معالجة الرسومات ووحدات المعالجة المركزية كلها معالجات، إلا أنها مصممة لأغراض مختلفة تمامًا.

• وحدة المعالجة المركزية (CPU): "دماغ" الكمبيوتر، وهي مصممة للمهام ذات الأغراض العامة. تتفوق وحدة المعالجة المركزية في التعامل مع مجموعة واسعة من التعليمات بالتتابع، مما يجعلها ضرورية لتشغيل أنظمة التشغيل والبرامج القياسية ولكنها أقل كفاءة في العمليات الحسابية المتوازية الضخمة في الذكاء الاصطناعي.
• وحدة معالجة الرسومات (GPU): صُممت وحدة معالجة الرسومات في الأصل لعرض الرسومات، وتحتوي بنية وحدة معالجة الرسومات على آلاف النوى، مما يجعلها فعالة للغاية في المعالجة المتوازية. تقدم وحدات معالجة الرسومات من شركات مثل NVIDIA وAMD توازنًا رائعًا بين الأداء والمرونة، مما يجعلها شائعة في نماذج التدريب مثل Ultralytics YOLO11.
• TPU: مسرع عالي التخصص أنشأته Google خصيصًا لأعباء عمل الشبكات العصبية. على الرغم من أنها أقل مرونة من وحدة معالجة الرسومات للحوسبة العامة، إلا أن وحدة المعالجة العصبية TPU توفر أداءً فائقًا لكل واط لعمليات الموتر واسعة النطاق. وهذا يجعلها خيارًا ممتازًا لنشر النماذج الضخمة والتدريب، خاصةً عند استخدام نظام Google السحابي.

دور وحدات المعالجة الثلاثية في النظام البيئي للتحليلات الفائقة

يمكن لمستخدمي Ultralytics الاستفادة من وحدات TPU لتسريع مشاريع الرؤية الحاسوبية الخاصة بهم. يمكن تصدير النماذج إلى تنسيقات متوافقة مع TPU، مثل TensorFlow Lite لوحدة معالجة TPU من Google. يسمح ذلك بالنشر بكفاءة عالية على الأجهزة المتطورة مثل Coral Dev Board. بالنسبة لوظائف التدريب واسعة النطاق، يمكن لمنصات مثل Ultralytics HUB تنظيم التدريب على مختلف موارد الحوسبة السحابية، مما يتيح للمستخدمين الاستفادة من قوة وحدات معالجة البيانات TPU لمجموعات البيانات المخصصة الخاصة بهم. يعمل هذا التكامل على تسهيل دورة حياة عمليات التشغيل الآلي المتعددة بالكامل، بدءاً من التدريب إلى النشر والمراقبة.