Si vous avez examiné les projets d’apprentissage du fabricant de GPU-accéléré, vous connaissez certainement l’architecture Cuda de Nvidia. Il s’ensuit également que vous avez vérifié les prix en ligne et sachez à quel point il peut être cher pour obtenir une carte vidéo haute performance qui prend en charge cette marque de programmation parallèle.
Mais que se passe-t-il si vous pouviez exécuter des tâches d’apprentissage de fabricant sur un GPU sans rien beaucoup plus exotique que OpenGL? C’est ce que [LnstaDrum] travaille depuis quelque temps maintenant, car il permettrait aux appareils aussi maigres que la Raspberry Pi zéro d’origine pour exécuter des tâches telles que la classification de l’image plus vite qu’elles ne pouvaient utiliser leur CPU uniquement. L’astuce consiste à décomposer votre tâche de calcul dans quelque chose qui peut être fait à l’aide de OpenGL Shaders, qui sont normalement indiqués pour pousser les graphiques de jeu vidéo.
Un exemple de l’avancement du réseau neural de X2.
[LNStaDrum] décrit que OpenGL est des versions OpenGL à partir de la dernière décennie ou incluent ainsi des shaders de calcul soi-disant spécifiquement pour exécuter du code arbitraire. Mais malheureusement, ce n’est pas une option sur les planches telles que le PI Zero, ce qui ne rencontre que la OpenGL pour les systèmes embarqués (GLEES) 2.0 conventionnels de 2007.
Construire le Neural Net de manière à ce qu’il soit compatible avec ces plateformes beaucoup plus contraignées était beaucoup plus difficile, mais le résultat final a beaucoup plus d’applications intéressantes à montrer pour cela. Pendant les tests, la framboise PI Zero et plusieurs anciens smartphones Android ont pu exécuter un modèle de classification d’image pré-formé à un taux respectable.
Ce n’est pas simplement une expérience de pensée, [LnstaDrum] a publié un cadre de traitement d’image appelé BeatMup à l’aide de ces concepts que vous pouvez jouer avec idéal maintenant. La bibliothèque C ++ possède des liaisons Java et Python, et selon la documentation, doit fonctionner à peu près n’importe quoi. Inclus dans le cadre est un outil de base appelé x2 qui peut faire une image AI d’amorçage sur tout de la carte vidéo intégrée de votre ordinateur portable à la PI de framboise; En ce qui concerne un moyen formidable de consulter cette application fascinante de l’apprentissage du fabricant.
On dit la vérité, nous sommes un peu derrière le ballon sur celui-ci, alors que BeatMup a rendu sa première libération publique en avril de cette année. Cela aurait peut-être volé sous le radar jusqu’à présent, mais nous pensons qu’il y a beaucoup de potentiel pour ce projet et espérons en voir beaucoup plus une fois que Word se dégage sur les excellents résultats qui peuvent s’efforcer de même le matériel le plus bas.
[Merci à Ishan pour la pointe.]