Q：
企業が機械学習のためにGPUを調達しているのはなぜですか？
A：機械学習について読んでいるのであれば、多くの場合、中央処理装置またはCPUの代替として、機械学習プロジェクトでのグラフィック処理装置またはGPUの使用についてよく耳にします。 GPUは、特に多くの並列処理、つまり複数のスレッドの同時処理を必要とする機械学習プロジェクトにより適した特定のプロパティのため、機械学習に使用されます。
| 無料ダウンロード： 機械学習とその重要性 |
GPUが機械学習にとって望ましいものになった理由を説明する方法はたくさんあります。 最も簡単な方法の1つは、従来のCPUの少数のコアを、典型的なGPUのはるかに多数のコアと比較することです。 GPUは、グラフィックスとアニメーションを強化するために開発されましたが、他の種類の並列処理（機械学習など）にも役立ちます。 専門家は、一般的なGPUの多くのコア（場合によっては数十）は、CPUの少ないコアよりも単純である傾向がありますが、コアの数が多いほど並列処理能力が向上することを指摘しています。 これは、MLプロジェクトで行われる実際の学習を多様化する「アンサンブル学習」の同様の考え方と合致します。基本的な考え方は、より弱い演算子の数が多いほど、強い演算子の数が少ないことです。
一部の専門家は、GPUが浮動小数点スループットを改善する方法、ダイサーフェスを効率的に使用する方法、または処理中の数百の同時スレッドに対応する方法について話します。 彼らは、データの並列性と分岐の分岐のベンチマーク、およびアルゴリズムが並列処理の結果によってサポートする他のタイプの作業について話すかもしれません。
機械学習でのGPUの一般的な使用を検討する別の方法は、特定の機械学習タスクを検討することです。
基本的に、画像処理は今日の機械学習業界の主要な部分となっています。 機械学習は、画像分類データセットを構成するさまざまな種類の特徴とピクセルの組み合わせの処理に適しているため、マシントレーニングで視野内の人や動物（猫）またはオブジェクトを認識するのに役立ちます。 CPUがアニメーション処理用に設計されたのは偶然ではなく、現在では画像処理に一般的に使用されています。 グラフィックとアニメーションをレンダリングする代わりに、同じマルチスレッド、大容量のマイクロプロセッサを使用して、それらのグラフィックとアニメーションを評価し、有用な結果を導き出します。 つまり、コンピューターは単に画像を表示するのではなく、「画像を見る」のですが、これらのタスクは両方とも同じ視野と非常に類似したデータセットで機能します。
それを念頭に置いて、企業がGPU（およびGPGPUなどの次のレベルのツール）を使用して機械学習と人工知能をさらに活用する理由を簡単に理解できます。
