מאיצים את הלמידה
ברוכים הבאים לשיעור על האצת חומרה. כאן תלמדו איך להפוך את מחברת ה-Colab שלכם לכלי עבודה עוצמתי ברמה של תחנת עבודה מקצועית.
GPU
יחידת עיבוד גרפית המיועדת לחישובים מקביליים מאסיביים.
TPU
מעבד ייעודי שפותח על ידי GOOGLE במיוחד עבור פעולות של TENSORFLOW ו-MACHINE LEARNING.
!nvidia-smi
פקודת CLI המציגה את מצב ה-GPU, הניצולת והזיכרון הפנוי.
מקרה בוחן: קיצור זמני אימון ב-'אלגו-טק'
חברת 'אלגו-טק' ניסתה לאמן מודל לזיהוי תמונה מסוג RESNET-50 על מערך נתונים של 100,000 תמונות. בתחילה, הצוות השתמש ב-CPU בלבד, וזמן האימון המוערך היה 48 שעות. לאחר הגדרת ה-RUNTIME ל-GPU ב-COLAB, זמן האימון ירד ל-4 שעות. עם זאת, כאשר הם עברו ל-TPU וביצעו אופטימיזציה ל-DATA PIPELINE (שימוש ב-PREFETCHING ו-BATCHING), זמן האימון צנח ל-25 דקות בלבד. המקרה ממחיש שלא רק החומרה קובעת, אלא גם התאמת הקוד לסוג המאיץ.
שאלה 1
כיצד משנים את סוג המאיץ (GPU/TPU) ב-Google Colab?
שאלה 2
מתי מומלץ להשתמש ב-TPU במקום ב-GPU?
ניתוח ביצועי חומרה
בפרק זה ננתח את ההבדלים המהותיים בין סוגי המעבדים השונים הזמינים ב-Google Colab והשפעתם על זמן האימון של מודלים מורכבים.
הנתונים נשלחו בהצלחה!
המדריך שלכם עודכן במערכת. תוכלו לראות את ההתקדמות בפורטל האישי.