احتمالا اکثر شما کلمه های سی پی یو (CPU)، جی پی یو (GPU) را شنیده اید و با آن آشنایی دارید.
در آخر اکثر تراشه ها، می توان دو حرف P و U را دید که مخفف Processing Unit یا به فارسی، واحد پردازش است. در حرف اول هم، حروفی از الفبا قرار می گیرد که مخفف نشان دهنده وظیفه آن تراشه است.
به عنوان مثال؛ Central Processing Unit گسسته شده CPU و Graphics Processing Unit هم گسسته شده GPU است که از اول حرف هر کلمه ساخته شده.
به گزارش عصر ایران: در اینجا ما به سه تا از مهم ترین تراشه اشاره و توضیح می دهیم.
به طور ساده و خلاصه تی پی یو یا واحد پردازش تنسور، (Tensor Processing Unit) پردازشگر هایی هستند که برای وظایف یادگیری ماشین، (Machine learning) و یادگیری عمیق، (Deep learning) طراحی شده اند و به طور خاص برای استفاده از تنسور فلو توسعه یافته اند. تنسور فلو، (Tensorflow) یک پلت فرم یادگیری ماشین منبع باز است که توسط گوگل توسعه یافته است.
به طور کل، تی پی یو توسط گوگل در سال 2015 معرفی و سه سال بعد در سال 2018 آنها را برای استفاده شخص ثالث در دسترس قرار داد.
گفتنی است که CPU و GPU می تواند برای یادگیری ماشین استفاده شود اما این امر برای GPU سنگین و پر هزینه و برای CPU بسیار سنگین و زمان بر و بدون صرفه اقتصادی است.
اما TPU همه چیز را به سطح دیگری می برد!
به گزارش سایت ویرگول؛ تی پی یو معماری زیر سیستم حافظه را با ابعاد داده ایی، به واحد داده N*N مدیریت می کند. یعنی تی پی یو می تواند تا 128000 عملیات را در هر چرخه مدیریت کند که بسیار بیش از چیزی است که سی پی یو یا حتی جی پی یو قادر به انجام آن هستند.
TPU در سرویس هایی مانند Google Translate، جستجوی صوتی و Google Photos که بار پردازشی عظیمی به مراکز داده گوگل افزوده بود استفاده می شود.
دلیل اهمیت داشتن TPU:
TPU برای یادگیری هوش مصنوعی استفاده می شود و استفاده دیگری ندارد. دواقع به صورت انحصاری برای تسریع بار های کاری یادگیری ماشین (Machine learning) طراحی شدند.
تمرکز بر این موضوع خاص موجب سریع تر شدن آموزش مدل های یادگیری عمیق، به ویژه مدل های بزرگ و پیچیده شود و عملیات استنتاج با سرعتی بسیار بالاتر از CPU و GPU اجرا گردد.
صرفه جویی در زمان و هزینه باعث استفاده این تراشه برای هوش مصنوعی به جای GPU شده است.
CPU پردازنده عمومی و چند منظوره اند که اکثر کار ها را انجام می دهد. حتی توانایی پردازش کار های گرافیکی اما به صورت ضعیف را دارد.
اما اصلی ترین کاری که می کند، پردازش کدها و داده ها است. CPU مغز کامپیوتر محسوب می شود و وظیفه اجرای دستور العمل ها و محاسبات لازم برای اجرای برنامه ها و پردازش داده ها را بر عهده دارد. آنها از تعداد محدودی هسته (معمولا بین 4 تا 16) اما با فرکانس بالا استفاده می کنند.
توانایی پردازش و انجام محاسبات ترتیبی ( Single-Threaded) را در سرعت بالا دارد اما به دلیل طراحی و چینش هسته ها و تعداد محدود آنها، CPU گزینه مناسبی برای انجام محاسبات پیچیده و یادگیری ماشین نیست.
دو شرکت اصلی تولید کننده CPU برای کامپیوتر های شخصی و لپ‌تاپ‌ها، اینتل (Intel) و ای ام دی (AMD) هستند.
GPU تشکیل شده از هزاران هسته ی بسیار کوچک تر و کند تر نسبت به CPU است که می توانند به طور همزمان کار کنند و محاسباتی سنگین تر از توان CPU انجام دهند. به دلیل همزمان کار کردن تمام هسته ها داشتن تعداد زیادی از آنها، GPU گزینه بهتری برای بازی ها، ویرایش عکس/ ویدئو، انیمیشن، تحقیقات علمی، نرم افزارهای تحلیلی و یادگیری عمیق است که نیاز به تصویر کشیدن نتایج گرافیکی با مقدار زیادی داده دارند.
همچنان دو شرکت اصلی تولید کننده GPU برای کامپیوتر های شخصی و لپ‌تاپ ها، انویدیا (Nvidia) و ای ام دی (AMD) هستند.
علاوه بر این دو شرکت اصلی، شرکت‌های دیگری نیز وجود دارند که با استفاده از تراشه‌های AMD و Nvidia، کارت های گرافیک را تولید می کنند و به عنوان شرکای AIB (Add-in Board) شناخته می شوند. این شرکت ها شامل ایسوس (ASUS)، گیگابایت (Gigabyte)، ام اس آی (MSI)، ای وی جی ای (EVGA)، زوتک (Zotac) و غیره هستند.
دنیای چیپ ها و تراشه ها بسیار وسیع است. انواع زیادی از تراشه ها وجود دارد که هر کدام برای یک عمل و کار مشخصی طراحی شده اند، مانند GPU که برای پردازش واحد های گرافیکی است و بقیه مثل "CPU" "NPU" "DPU" "QPU" "APU" "TPU" که هر کدام مسئولیت خاصی را یا به صورت تکی یا مشترک به عهده می گیرند.
