मराठी बातम्या
ताज्या
देशाची पुन्हा दिवाळखोरीकडे वाटचाल सुरू आहे, असा इशारा माजी मंत्री रजिथा सेनारत्ने यांनी दिला.माजी राष्ट्रपती थंबुटेगामा येथील गरजू कुटुंबासाठी घरासाठी निधी देतातअब्जावधी रुपयांची कॅन्सर उपचार यंत्रे निष्क्रिय असल्याने रुग्णांना अधिक विलंब होतोसूर्याला एकाच वर्षात प्रत्येकी 2 अब्ज भारतीय रुपये कमावणाऱ्या तीन चित्रपटांची शक्यतापाकिस्तानमधील तारबेला जलविद्युत प्रकल्पात रिटेनिंग वॉल कोसळल्याची माहिती आहेमंत्री म्हणतात की आंतरराष्ट्रीय प्रसारक श्रीलंकेच्या पर्यटनासाठी समर्थन देतातनोचियागामा हत्येत कथित मदत केल्याप्रकरणी पोलिसांनी एका व्यक्तीला अटक केलीसिंहराजामध्ये कथित वन्यजीव नमुने गोळा केल्याप्रकरणी चार चिनी नागरिकांना कोठडी
एआय आणि तंत्रज्ञान

CUDA चा स्वीकार: सुरुवातीच्या GPU प्रयोगांपासून AlexNet च्या यशापर्यंत

प्रोसेसर डायच्या तपशीलाचे उदाहरणात्मक चित्र; हा लेखात चर्चिलेला NVIDIA GPU नाही.
प्रोसेसर डायच्या तपशीलाचे उदाहरणात्मक चित्र; हा लेखात चर्चिलेला NVIDIA GPU नाही.

एआय संशोधकांनी 2006 ते 2009 दरम्यान न्यूरल नेटवर्कसाठी CUDA चा प्रचंड कामगिरी-फायदा ओळखण्यास सुरुवात केली, आणि निर्णायक मुख्य प्रवाहातील यश 2012 मध्ये मिळाले. या बदलापूर्वी न्यूरल नेटवर्क इतके संथ आणि गणनेच्या दृष्टीने महाग मानले जात होते की ते व्यावहारिक नव्हते.

CUDA च्या स्वीकारातील प्रमुख टप्पे

  • 2006 (CUDA प्रकाशित): NVIDIA ने CUDA सादर केले, ज्यामुळे संशोधक गुंतागुंतीच्या ग्राफिक्स शेडर (जसे OpenGL) ऐवजी मानक C/C++ वापरून GPU प्रोग्राम करू शकत होते.
  • 2007–2008 (सुरुवातीचे न्यूरल नेट प्रयोग): सुरुवातीच्या स्वीकारकर्त्यांनी न्यूरल नेटवर्क अल्गोरिदम CUDA वर पोर्ट करण्यास सुरुवात केली. 2008 मध्ये संशोधक Rajat Raina आणि Stanford मधील Andrew Ng यांच्या टीमने दाखवले की CUDA चालवणारे GPU मल्टी-कोर CPU पेक्षा डीप बिलीफ नेटवर्क 70 पट वेगाने प्रशिक्षित करू शकतात.
  • 2009–2010 (विक्रम मोडणारे बेंचमार्क): Jürgen Schmidhuber यांच्या प्रयोगशाळेने (Dan Cireșan यांच्यासह) CUDA-वेगवान GPU वापरून असे डीप न्यूरल नेटवर्क प्रशिक्षित केले ज्यांनी हस्ताक्षर ओळख (MNIST) चे विक्रम मोडले, आणि विशेष सुपरकॉम्प्युटरशिवाय अधिक खोल नेटवर्क प्रशिक्षित करता येतात हे सिद्ध केले.
  • 2012 (AlexNet चा निर्णायक वळणबिंदू): निर्णायक क्षण ImageNet स्पर्धेत आला. Alex Krizhevsky, Ilya Sutskever आणि Geoffrey Hinton यांनी दोन NVIDIA GTX 580 GPU वर कस्टम CUDA कर्नल वापरून AlexNet प्रशिक्षित केले, ज्यामुळे पारंपरिक पद्धतींच्या तुलनेत इमेज वर्गीकरणाचा त्रुटी दर जवळपास निम्मा झाला. या विजयाने आधुनिक डीप लर्निंग क्रांतीला सुरुवात केली.
  • 2014 (cuDNN सादर): AlexNet च्या लाटेनंतर NVIDIA ने cuDNN (CUDA Deep Neural Network library) प्रसिद्ध केली, ज्यामुळे प्रत्येक एआय संशोधकाला Caffe, Theano, TensorFlow आणि PyTorch सारख्या फ्रेमवर्कसाठी ऑप्टिमाइझ्ड, प्लग-अँड-प्ले GPU बिल्डिंग ब्लॉक्स मिळाले.

याने सर्वकाही का बदलले

CUDA पूर्वी CPU वर मध्यम आकाराचे न्यूरल नेटवर्क प्रशिक्षित करायला आठवडे किंवा महिने लागत, ज्यामुळे प्रयत्न-आणि-चूक पद्धतीचे संशोधन जवळजवळ अशक्य होते. CUDA ने तो प्रशिक्षण वेळ दिवस किंवा तासांवर आणला, ज्यामुळे संशोधकांना डेटासेट वाढवता आले, अधिक लेयर जोडता आले आणि Transformers व मोठी भाषा मॉडेल्स यांसारखी आधुनिक आर्किटेक्चर तयार करता आली.

अधिक बातम्या: एआय आणि तंत्रज्ञान