Artık Ekran Kartlarının da İnisiyatifi Var: GOAI

0
114
GPU hızlandırması nasıl çalışıyor
GPU hızlandırması nasıl çalışıyor

Veri bilimi ve derin öğrenme konusunda çalışma ve uygulamalarıyla tanınan Continuum Analytics, H2O.ai ve MapD Technologies geliştiriciler ile araştırmacılar için ortak veri çerçevesi ortaya çıkarma hedefiyle, GPU Açık Analitik İnisiyatifi (GOAI) adını verdikleri bir oluşumu duyurdular. GOAI, veri bilimi ekosisteminde yer alan uygulamaların kendi aralarında veri transferini etkin bir şekilde sağlamayı amaçlıyor.

GPU’lar (Grafik İşlem Birimi) uzun bir süredir veri analitiği ve yapay öğrenme çalışmalarında kullanılıyor. Bununla beraber, uçtan uca işlemlerde verinin işlenmesi, bağlantılı sistemler için uygun formatlara çevrilmesi donanım seviyesinde CPU (merkezi işlem birimi) tarafından gerçekleştiriliyor. CPU ile olan bu etkileşim performans kayıplarına yol açtığı için, GOAI ortak bir veri çerçevesi oluşturarak, uygulamaların bu işlemleri de GPU üzerinden yapabilmesini hedefliyor.

GDF Genel Mimari
GDF Genel Mimari

GDF (GPU Veri Yapısı), örneğin, veritabanından gelen bir SQL sorgusunun sonuçlarını alarak analitik tarafında işlem yapacak bir başka uygulama ya da algoritma ile paylaşabiliyor. İnisiyatifi oluşturan bileşenler yaptıkları basın açıklamasında “Bu yaklaşım, yaptığımız ilk denemelerde, işlem sürelerinde geleneksel CPU merkezli yaklaşıma göre defalarca kez iyileştirme sağladı” olarak ifade ediyorlar.

GDF ile ilgili detaylara, GOAI’nin Github hesabından ulaşmak mümkün. https://github.com/gpuopenanalytics

GPU Neden Önemli?

Yapay zekâ çalışmalarında son yıllarda arka arkaya gelen başarıların temelinde üç temel öğe bulunuyor:

  • Yeni ve “derin” algoritmalar.
  • Büyük veri kümeleri.
  • Paralel hesaplama.

Daha iyi ve derin algoritmalar ve bu algoritmaların “yakıtı” olarak görülen büyük veri kümelerinin ortaya çıkışı kendi başlarına bile çok önemli gelişmelerdi. Bununla beraber tasarlanan yapay öğrenme sistemlerinin eğitim süreleri çok uzun olduğu için tekrarlama ve iyileştirme döngüleri pratik sonuçlar almaya imkan vermiyordu. Bu noktada paralel hesaplamaya imkan tanıyan GPU’lardaki (Grafik İşlem Birimi) gelişmeler yeni bir sıçramayı olanaklı hale getirdi.

Popüler dilde “bilgisayarın beyni” olarak bilinen CPU (Merkezi İşlem Birimi) ile yine popüler dilde “ekran kartı” olarak bilinen GPU’lar arasında veriyi nasıl işledikleri ile ilgili mimari bir farklılık bulunuyor. CPU mimarisi birkaç çekirdeğin beraber çalışarak, sıralı işlemleri yerine getirmesi için optimize edilmişken, GPU’lar paralel çalışan binlerce çekirdeğin eş zamanlı işlem yapmasını sağlayan bir mimariye sahipler.

GPU hızlandırması nasıl çalışıyor
GPU hızlandırması nasıl çalışıyor

Bilgisayar oyunları için vazgeçilmez bir donanım olarak görülen GPU’ların bu özelliğini, paralel işlemlere (özel olarak matris aritmetiğine) ihtiyaç duyan yapay öğrenme gibi alanlarda çalışan araştırmacıların keşfetmesi fazla zaman almadı. Donanım tarafında ortaya çıkan bu yeni gelişme, yapay öğrenmede araştırmaları tamamlama ve tekrarlamada daha öncesi ile kıyaslanamayacak performans artışlarını sağladı. CPU ve GPU hız karşılaştırması farklı çalışma alanlarında farklı parametrelerle ölçülebiliyor ve 49x-74x arası hız artışları biliniyor. Bu hız farkı örneğin, önceden CPU’lar ile iki ay süren bir çalışmanın 1 gün içerisinde tamamlanabileceğini gösteriyor.

Facebook Yorumları