Tổng quan về AI & Deep Learning - Cách Xây dựng cấu hình PC phục vụ AI và Deep Leaning

Ngày đăng: 20/06/2020

Tổng quan về AI & Deep Learning - Cách Xây dựng cấu hình PC phục vụ AI và Deep Leaning

Trí tuệ nhân tạo – Ai (Deep Learning) là mảng công nghệ mới đang rất phát triển hiện nay. Bài viết này Hà Linh Computer sẽ giới thiệu cho các bạn cơ bản về AI -Deep learning và xây dựng một bộ PC chuyên dụng để tạo ra những ứng dụng AI phục vụ cho nhu cầu nghiên cứu Deep Learning hay Machine learning như thế nào .

AI (Artificial Intelligence ) -Trí tuệ nhân tạo Trí tuệ nhân tạo - bộ não con người trong hình hài của một chiếc máy

AI có thể được định nghĩa như một ngành của khoa học máy tính liên quan đến việc tự động hóa các hành vi thông minh. Nói nôm na cho dễ hiểu: đó là trí tuệ của máy móc được tạo ra bởi con người. Trí tuệ này có thể tư duy, suy nghĩ, học hỏi,.như trí tuệ con người. Xử lý dữ liệu ở mức rộng lớn hơn, quy mô hơn, hệ thống, khoa học và nhanh hơn so với con người.

Machine learning - một cách tiếp cận của AI

Machine Learning là một thuật ngữ rộng để chỉ hành động bạn dạy máy tính cải thiện một nhiệm vụ mà nó đang thực hiện. Cụ thể hơn, machine learning đề cập tới bất kỳ hệ thống mà hiệu suất của máy tính khi thực hiện một nhiệm vụ sẽ trở nên tốt hơn sau khi hoàn thành nhiệm vụ đó nhiều lần. Hay nói cách khác, khả năng cơ bản nhất của machine learning là sử dụng thuật toán để phân tích những thông tin có sẵn, học hỏi từ nó rồi đưa ra quyết định hoặc dự đoán về một thứ gì đó có liên quan. Thay vì tạo ra một phần mềm với những hành động, hướng dẫn chi tiết để thực hiện một nhiệm vụ cụ thể, máy tính được “huấn luyện” bằng cách sử dụng lượng dữ liệu và các thuật toán để học cách thực hiện nhiệm vụ.

Deep learning - một kỹ thuật để thực hiện hóa  machine learning

Deep learning là loại machine learning mà trong đó máy tự đào tạo chính nó. Deep learning đòi hỏi rất nhiều dữ liệu đầu vào và sức mạnh tính toán hơn là machine learning.  Deep Learning đã cho phép ứng dụng nhiếu vấn đề thực tế của máy học và bằng cách mở rộng lĩnh vực tổng thể của AI. Deep learning phá vỡ các cách thức con người làm việc bằng cách làm cho tất cả các loại máy móc trợ giúp có thể thực hiện được, gần hoặc giống hệt con người. Deep Learning đã bắt đầu được triển khai bởi các công ty công nghệ lớn như Facebook, Amazon. Trong đó, một trong những cái tên nổi tiếng nhất về machine learning là AlphaGo, một máy tính có thể chơi cờ vây với chính bản thân nó cho đến khi nó có thể dự đoán những đường đi nước bước chính xác nhất đủ để đánh bại nhiều nhà vô địch trên thế giới.

Xây dựng cấu hình PC chuyên dụng phục vụ AI và Deep Leaning như thế nảo ?

Một bộ PC cơ bản bao gồm 8 thành phần : CPU , GPU  , RAM, Ổ cứng, Tản nhiệt, Bo mạch chủ, Nguồn, Case.  Khi xây dựng một bộ PC phục vụ Trí tuệ nhân tạo AI và Deep Leaning thì chúng ta cần chú ý những điểm sau:

- Bộ Vi Xử Lý – CPU: Đủ mạnh và Lanes PCIe để cung cấp cho GPU

- GPU (Card đồ họa) : Càng mạnh càng tốt và có vRam lớn

- Bộ nhớ RAM: , Nên lựa chọn RAM DDR4 dung lượng càng lớn càng tốt để chứa được nhiều dữ liệu mà không bị nén và tối thiểu dung lượng bộ nhớ phải  từ 32G trở lên.

- Ổ cứng: Lựa chọn ổ cứng SSD M2 PCIE có dung lượng đủ lớn sẽ giúp việc chuyển dữ liệu từ ổ cứng sang Ram rồi đến GPU 1 cách nhanh chóng

Lựa chọn CPU

Chúng ta có thể lựa chọn các bộ vi xử lý CPU dòng Core i7 hoặc i9 trở lên, có thể cung cấp nguồn tài nguyên, xử lý đa nhiệm dữ liệu nhanh chóng và ở mức cao.

Ngoài ra, Các hệ thống Dual CPU Intel XEON  đang tỏ rõ lợi thế khi có thể cung cấp nguồn tài nguyên hệ thống ở mức cao nhất, như hỗ trợ hai CPU đáp ứng xử lý đa nhiệm dữ liệu cũng như số liệu được nhanh hơn, ngoài ra dung lượng RAM cũng được hỗ trợ lớn có thể lên tới cả Terabyte.

Chưa hết, đặc thù của những máy sử dụng xử lý AI này là hoạt động hết công suất và thời gian hoạt động là 24 / 24. Do vậy khi thiết kế bộ máy ,  khách hàng cần hệ thống phải thật ổn định nhất do vậy trên những bộ máy này, CPU XEON E5 26xx  series V3 / V4 và Mainboard C612 PCH hỗ trợ DDR4 Ram Ecc Registered là một sự lựa chọn tối ưu nhất.

Lựa chọn GPU (Card đồ họa)

GPU là phần cứng không thể thiếu cho Deep learning. Mạng nơ ron nhân tạo quay trở lại sau nhiều năm vắng bóng cũng một phần nhờ có sự ra đời của GPU. 

Chúng ta đều biết, CPU có vai trò chính trong việc tính toán của máy tính. Mặc dù vậy, việc tính toán ma trận trên một lượng dữ liệu lớn khiến CPU phải vật lộn và sử dụng rất nhiều tài nguyên. Điều này khiến việc xử lý đồ họa là một thách thức lớn. Với sự phát triển của game 3D, xuất hiện một nhu cầu về một đơn vị phần cứng thực hiện nhanh các phép tính ma trận. GPU ra đời đáp ứng nhu cầu đó.

GPU được phát triển để xử lý nhiều tính toán song song bằng cách sử dụng hàng ngàn lõi với băng thông lớn. Khả năng tính toán ma trận với tốc độ cao của GPU là điều kiện tiên quyết để Deep Learning quay trở lại sau một thời gian dài bị quên lãng.

Vậy thì, để có thể lựa chọn được GPU, chúng ta cần quan tâm đến những thông số nào? Có một vài thông số của GPU liên quan đến việc thực hiện các phép tính của Deep Learning bao gồm:

• Băng thông bộ nhớ (Memory bandwidth) thống số này là thông số quan trọng nhất, liên quan đến khối lượng dữ liệu mà GPU xử lý được.
• Sức mạnh tính toán (Processing power) cho biết tốc độ xử lý của GPU. Thông số này được tính bằng số lõi CUDA nhân với tốc độ xung nhịp của từng lõi.
• Kích thước VRAM (Video RAM size)  nếu bạn đang làm việc với các mô hình Computer Vision hay các mô hình có lượng dữ liệu lớn, thông số này sẽ ảnh hưởng đến hiệu năng tính toán của GPU