CUDA භාවිතය: මුල් GPU අත්හදා බැලීම්වල සිට AlexNet ජයග්‍රහණය දක්වා

AI පර්යේෂකයින් ස්නායුක ජාල සඳහා CUDA හි දැවැන්ත කාර්යසාධන වාසිය හඳුනාගැනීමට පටන් ගත්තේ 2006 සහ 2009 අතර වන අතර, තීරණාත්මක ප්‍රධාන ධාරාවේ ජයග්‍රහණය සිදුවූයේ 2012 දී ය. මෙම වෙනසට පෙර, ස්නායුක ජාල ප්‍රායෝගික වීමට නොහැකි තරම් මන්දගාමී සහ ගණනය කිරීමේ දී මිල අධික යැයි පුළුල් ලෙස බැහැර කර තිබුණි.

CUDA භාවිතයේ ප්‍රධාන සන්ධිස්ථාන

• 2006 (CUDA නිකුත් වීම): NVIDIA විසින් CUDA දියත් කළ අතර, සංකීර්ණ ග්‍රැෆික්ස් shaders (OpenGL වැනි) වෙනුවට සම්මත C/C++ භාවිතයෙන් GPU ක්‍රමලේඛනය කිරීමට පර්යේෂකයින්ට ඉඩ ලැබුණි.

• 2007–2008 (මුල් ස්නායුක ජාල අත්හදා බැලීම්): මුල් භාවිතකරුවන් ස්නායුක ජාල ඇල්ගොරිතම CUDA වෙත මාරු කිරීමට පටන් ගත්හ. 2008 දී, පර්යේෂක Rajat Raina සහ Stanford හි Andrew Ng ගේ කණ්ඩායම, CUDA ධාවනය කරන GPU වලට deep belief networks බහු-හර CPU වලට වඩා 70 ගුණයක් දක්වා වේගයෙන් පුහුණු කළ හැකි බව පෙන්වා දුන්නේය.

• 2009–2010 (වාර්තා බිඳ දැමූ මිනුම් ලකුණු): Jürgen Schmidhuber ගේ විද්‍යාගාරය (Dan Cireșan ඇතුළුව) CUDA-වේගවත් කළ GPU භාවිතයෙන් අතින් ලියූ අක්ෂර හඳුනාගැනීමේ (MNIST) වාර්තා බිඳ දැමූ ගැඹුරු ස්නායුක ජාල පුහුණු කළ අතර, විශේෂිත සුපිරි පරිගණක නොමැතිව ගැඹුරු ජාල පුහුණු කළ හැකි බව සනාථ කළේය.

• 2012 (AlexNet හැරවුම් ලක්ෂ්‍යය): තීරණාත්මක මොහොත ඇති වූයේ ImageNet තරඟයේදී ය. Alex Krizhevsky, Ilya Sutskever සහ Geoffrey Hinton විසින් NVIDIA GTX 580 GPU දෙකක් මත අභිරුචි CUDA කර්නල් භාවිතා කර AlexNet පුහුණු කළ අතර, සාම්ප්‍රදායික ක්‍රමවලට සාපේක්ෂව රූප වර්ගීකරණ දෝෂ අනුපාතය ආසන්න වශයෙන් අඩකට අඩු කළේය. මෙම ජයග්‍රහණය නූතන ගැඹුරු ඉගෙනුම් විප්ලවය අවුලුවාලීය.

• 2014 (cuDNN දියත් වීම): AlexNet උත්පාතයෙන් පසු, NVIDIA විසින් cuDNN (CUDA Deep Neural Network library) නිකුත් කළ අතර, Caffe, Theano, TensorFlow සහ PyTorch වැනි රාමු සඳහා ප්‍රශස්ත කළ, සෘජුවම භාවිතා කළ හැකි (plug-and-play) GPU ගොඩනැගිලි කොටස් සෑම AI පර්යේෂකයෙකුටම ලබා දුනි.

එය සියල්ල වෙනස් කළේ ඇයි

CUDA ට පෙර, CPU මත මධ්‍යම ප්‍රමාණයේ ස්නායුක ජාලයක් පුහුණු කිරීමට සති හෝ මාස ගත වූ අතර, අත්හදා බැලීම් සහ වැරදි මත පදනම් වූ පර්යේෂණ සිදු කිරීම ආසන්න වශයෙන් කළ නොහැකි විය. CUDA එම පුහුණු කාලය දින හෝ පැය දක්වා අඩු කළ අතර, දත්ත කට්ටල විශාල කිරීමට, වැඩි ස්ථර ගොඩ ගැසීමට සහ Transformers සහ විශාල භාෂා ආකෘති වැනි නූතන ගෘහනිර්මාණ නිපදවීමට පර්යේෂකයින්ට ඉඩ සැලසුණි.