فاطمه ناظمی جنابی - مرکز رشد واحدهای فناور دانشگاه بین المللی امام خمینی)ره( قزوین ایران
حمیدرضا حمیدی - دانشکده فنی و مهندسی دانشگاه بین المللی امام خمینی)ره( قزوین ایران

این مقاله علاوه بر مرور ساختار پردازشی و قابلیت های پردازنده گرافیکی به تسریع های به دست آمده برای محاسبات عمومی و به طور خاص، شبکه های عصبی و یادگیری عمیق می پردازد. توسعه ابزارها، کتابخانه ها و چارچوب های یادگیری ماشین برای پردازنده گرافیکی همچنان نیازمند توسعه است. برای مقیاس پذیری روی چند پردازنده گرافیکی، موضوعاتی نظیر پشتیبانی کتابخانه ها و ابزارها از ارتباطات میان پردازنده های گرافیکی و رفع نیاز به بازنویسی کد توسط کاربر نیازمند توجه هستند. یکی از موانع محاسبات حجیم از جمله یادگیری عمیق، انرژی بر بودن آن هاست و گرایش فعلی به سمت طراحی کمک پردازنده های اختصاصی است. سازندگان پردازنده های گرافیکی نیز با معرفی ریزمعماری ولتا انویدیا، یک رویکرد سخت افزار اختصاصی در هوش مصنوعی و یادگیری ماشین در پیش گرفته اند. این گونه معماری پردازنده های گرافیکی (ولتا و تورینگ) در مقایسه با سایر شتاب دهنده های سخت افزاری نظیر اف.پی.جی.ای. و ای.سیک. ، از حیث کارآمدی انرژی و کارایی اجرای الگوریتم های یادگیری عمیق قابل رقابت هستند.

پردازنده گرافیکی, یادگیری ماشین, شبکه عصبی مصنوعی, پردازش موازی, کودا