Video: Applicazioni del Deep Learning in campo Finanza - Esempi reali – Giacomo Barigazzi, Axyon (Settembre 2024)
Il nuovo processore grafico Titan X di Nvidia si basa sul processore GM200, che è un chip enorme, che sfrutta la potenza di 8 miliardi di transistor, 3.072 core di elaborazione e 12 GB di memoria GDDR5 integrata per 7 teraflop delle massime prestazioni a precisione singola. Questo chip, presentato in anteprima alla Game Developers Conference due settimane fa, si basa sugli stessi core Maxwell presenti negli attuali processori dell'azienda ed è prodotto sullo stesso processo a 28 nm.
Ma Nvidia ha dichiarato questa settimana che la sua nuova GPU GeForce di punta avrebbe offerto il doppio delle prestazioni e il doppio dell'efficienza energetica del suo predecessore. È anche un chip molto grande a 601 mm2, circa il chip di dimensioni più grandi attualmente prodotto e assorbirà 250 watt di potenza. E, naturalmente, sarà il chip grafico generale più costoso con un prezzo al dettaglio suggerito di $ 999.
La maggior parte delle recensioni di siti come ExtremeTech, Anandtech e TechReport sono piuttosto positive. Naturalmente, nel mondo reale, nessuno vede raddoppiare le prestazioni dichiarate dal venditore, anche se ci sono dei bei guadagni. In generale, il Titan X sembra battere chiaramente altre schede a singola GPU e fa un lavoro credibile rispetto al doppio GPU AMD Radeon R9 295X2 o al doppio GeForce GTX 980 SLI di Nvidia. In molti casi, una scheda a doppia GPU di entrambi i fornitori sarà più veloce di qualsiasi scheda a GPU singola, ma molti giochi non utilizzano entrambe le schede e, in altri, le configurazioni a doppia scheda mostrano più balbuzie. In particolare, molte recensioni si concentrano su quanto bene il Titan X si esibisce in 4K.
Naturalmente, il principale rivale di Nvidia nel mondo competitivo della grafica per PC non è probabile che sia stretto: si dice che AMD abbia la sua nuova carta in attesa dietro le quinte.
Ancora una volta, tuttavia, ciò che pensavo fosse più interessante dell'introduzione di Titan X alla GPU Technology Conference (GTC) martedì era l'attenzione sull'uso del chip in applicazioni di deep learning, con il CEO di Nvidia Jen-Hsun Huang che parlava di come i ricercatori hanno scoperto che le tecniche di apprendimento profondo possono essere notevolmente accelerate utilizzando le GPU.
In particolare, Huang ha parlato di applicazioni che vanno dal riconoscimento di immagini alla scrittura automatica di didascalie, dalla ricerca medica ai veicoli autonomi. Il mercato automobilistico è stato l'obiettivo principale di Nvidia al CES, in quanto ha introdotto il suo chip Tegra X1 e la sua soluzione Drive PX per l'industria automobilistica. L'idea è quella di aumentare i sistemi avanzati di assistenza alla guida (ADAS) esistenti in modo che diventino sempre più intelligenti nel tempo. "Credo che il Big Bang delle auto a guida autonoma sta per arrivare nei prossimi anni." Disse Huang.
Più tardi, il CEO di Tesla Motors, Elon Musk, si è unito a Huang sul palco GTC per dire che lo sviluppo di auto a guida autonoma che in realtà sono più sicure di quelle con guida umana non è così lontano. Musk ha affermato che le attuali suite di sensori in una Tesla sono già in grado di offrire funzionalità avanzate di assistenza alla guida, ma l'auto-guida in un ambiente urbano a una velocità di 10-40 miglia orarie richiederà una maggiore potenza di elaborazione. Tuttavia, ha detto che la transizione richiederà molto tempo, poiché la flotta di veicoli su strada è così grande. "È strano che siamo così vicini all'avvento dell'IA", ha detto Musk. "Spero solo che ci rimanga qualcosa da fare per noi umani."
L'apprendimento automatico è diverso dalla maggior parte delle applicazioni di elaborazione ad alte prestazioni (HPC) in cui Nvidia ha spinto i suoi acceleratori Tesla. Queste applicazioni di solito richiedono virgola mobile a precisione doppia, mentre le applicazioni di apprendimento profondo spesso richiedono solo precisione singola. Titan X offre solo precisione singola. Per le applicazioni di deep learning, Nvidia offre un nuovo framework chiamato DIGITS, i Deep GPU Training Systems per data scientist e un nuovo dispositivo da $ 15.000 chiamato DIGITS DevBox.
In prospettiva, Huang ha affermato che l'architettura GPU Pascal, che debutterà il prossimo anno, accelererà le applicazioni di deep learning dieci volte oltre la velocità dei suoi attuali processori Maxwell. Ciò deriva da tre nuove funzionalità: precisione mista (maggiore utilizzo del punto mobile a 16 bit); 2, 7 volte la capacità di memoria con un massimo di 32 GB attraverso l'uso di memoria 3D impilata con una larghezza di banda di memoria tre volte superiore e l'interconnessione NV Link che consente fino a otto GPU di fascia alta in un DevBox o workstation simile (al contrario dei quattro Titan X GPU nell'unica spedizione a maggio). Non è stato detto, ma è probabile che i chip basati su questa architettura utilizzino la tecnologia di processo di prossima generazione. Dopo tutto, i primi chip da 28 nm sono stati introdotti nel 2011 e hanno iniziato a essere venduti nel 2012, quindi entro il prossimo anno, spero che vedremo chip grafici discreti da 16 nm o 14 nm.
