파이썬 GPU 그게 무슨 뜻인가요?

오늘 머신러닝 언어로서 Python의 장점을 분석한 빅데이터 기사를 봤습니다. 2010년에 Python의 Theano 라이브러리가 CPU에서 실행될 때 Numpy보다 1.8배 빠르고, GPU에서 실행될 때 속도가 1.8배 더 빠르다고 언급되었습니다. Numpy의 11배입니다.

그래서 GPU와 Theano의 관련 개념을 찾아보기 시작했습니다.

다음은 Nvidia 공식 홈페이지에 있는 GPU에 대한 텍스트 소개인데 영상이 특히 직관적이네요.
GPU 가속 컴퓨팅은 그래픽 처리 장치(GPU)와 CPU를 사용하여 과학, 엔지니어링 및 엔터프라이즈 애플리케이션을 가속화합니다. NVIDIA®는 2007년에 이를 개척했으며 이제 GPU는 전 세계 정부 연구소, 대학, 기업 및 중소기업에서 에너지 효율적인 데이터 센터를 가능하게 합니다.

가속을 위해 애플리케이션이 GPU를 활용하는 방법
CPU와 GPU의 차이점을 이해하는 간단한 방법은 작업을 처리하는 방법을 비교하는 것입니다. CPU는 순차적 직렬 처리에 최적화된 여러 코어로 구성됩니다. 반면에 GPU는 여러 작업을 동시에 처리하도록 설계된 더 작고 효율적인 수천 개의 코어로 구성됩니다.

GPU에는 수천 개의 코어가 있으며 병렬 작업을 효율적으로 처리할 수 있습니다.

Theano는 주류 딥 러닝 Python 라이브러리 중 하나이며 GPU도 지원합니다. 그러나 Theano를 시작하는 것은 어렵습니다.

Python 기반 딥러닝

신경망 알고리즘을 구현하는 Python 라이브러리 중 가장 널리 사용되는 것은 Theano입니다. 그러나 Theano는 엄밀히 말하면 신경망 라이브러리가 아니라 다양한 수학적 추상화를 구현할 수 있는 Python 라이브러리입니다. 이 때문에 Theano는 학습 곡선이 가파르므로 학습 곡선이 더 평평한 Theano를 기반으로 구축된 두 개의 신경망 라이브러리를 소개하겠습니다.

첫 번째 도서관은 라자냐입니다. 이 라이브러리는 신경망의 각 계층을 구축한 다음 이를 서로 쌓아 완전한 모델을 구축할 수 있는 멋진 추상화를 제공합니다. Theano보다 낫지만 각 레이어를 구축한 다음 서로 추가하는 것은 다소 지루하므로 Lasagne 라이브러리 위에 Scikit-Learn 스타일 API를 제공하는 Nolearn 라이브러리를 사용하여 쉽게 구축하겠습니다. 다층 신경망.

기계 학습

지도 학습

지도 학습(지도 학습)은 데이터에 우리가 예측하려는 속성이 포함되어 있음을 의미합니다. 지도 학습 문제에는 두 가지 유형이 있습니다.

분류

분류(분류) ): 표본은 두 개 이상의 범주에 속하며 레이블이 지정된 범주의 데이터로부터 학습하여 레이블이 없는 데이터의 분류를 예측하려고 합니다. 예를 들어 손으로 쓴 숫자를 인식하는 것은 분류 문제이며, 여기서 목표는 각 입력 벡터를 유한 숫자 범주에 매핑하는 것입니다. 다른 관점에서 생각해 보면 분류는 지도 학습의 이산형(연속형이 아닌) 형태입니다. n개 샘플의 경우 한쪽에는 해당하는 제한된 수의 범주가 있고 다른 쪽에서는 샘플에 레이블을 지정하고 할당하려고 합니다. 올바른 카테고리.

regression

회귀(regression): 원하는 출력이 하나 이상의 연속 변수인 경우 작업을 회귀라고 합니다. 예를 들어 연어의 길이를 나이와 체중의 함수로 예측하는 것입니다.

위 내용은 파이썬 GPU 그게 무슨 뜻인가요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!