GPU-accelereret
GPU-accelereret betyder at udnytte en grafikprocessor (GPU) til at udføre beregninger hurtigere end en almindelig CPU, især til parallelle opgaver som træning af neurale netværk.
Kort fortalt
GPU-accelereret er en teknik hvor man bruger grafikkortets mange kerner til at regne opgaver meget hurtigere, fx til at træne AI-modeller.
- Kategori
- teknik
- Niveau
- begynder
Betydninger
1- 1
Teknik eller proces hvor en GPU anvendes til at fremskynde beregningstunge opgaver, typisk ved parallel databehandling.
- Træning af en transformer-model er GPU-accelereret for at reducere tiden fra uger til dage.
Hvornår bruges det
Bruges i deep learning, hvor store mængder matrixoperationer udføres parallelt på GPU'er. Populære biblioteker som PyTorch og TensorFlow understøtter GPU-acceleration via CUDA.
Kodeeksempel
import torch
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)Sådan aktiveres GPU-acceleration i PyTorch
Oprindelse
GPU står for Graphics Processing Unit, 'accelereret' betyder at gøre hurtigere. Begrebet opstod med CUDA (2007) og brugen af GPU'er til generel databehandling (GPGPU).