Qu’est-ce qu’un NPU ?
Le monde de la technologie est vaste et il semble qu’il y ait toujours un nouveau matériel ou logiciel qui surgit sur le marché. Cela peut rendre difficile le maintien à jour, ce qui le rend particulièrement difficile si vous cherchez à mettre à niveau votre configuration.
C’est pourquoi nous sommes ici; nous allons décomposer ce qu’est un NPU et avec quel type de technologie il est utilisé. Continuez à lire pour en savoir plus.
Qu’est-ce qu’un NPU ?
NPU signifie Neural Processing Unit, bien qu’il soit parfois appelé Neural Processor. Il s’agit d’un microprocesseur spécifique spécialisé dans l’accélération des charges de travail d’apprentissage automatique.
Malgré son nom, il ne remplace ni un CPU ni un GPU, mais travaille plutôt avec ces composants pour offrir de meilleures performances.
Les NPU fonctionnent généralement sur des modèles prédictifs, tels qu’un réseau artificiel (ANN) et sont développés avec des tâches spécifiques à l’esprit liées à l’apprentissage automatique. Par exemple, un NPU au sein d’un GPU peut être responsable de l’accélération de la classification des images ou de la détection d’objets pendant le jeu, retirant une partie de la responsabilité au GPU.
On estime que les NPU peuvent prendre jusqu’à 10 000 fois moins de temps pour accélérer les tâches d’apprentissage automatique qu’un GPU – et comme ils consomment moins d’énergie, ils sont également plus efficaces.
A quoi servent les NPU ?
Les NPU sont utilisés pour accélérer l’apprentissage automatique, qui est maintenant utilisé pour divers scénarios, tels que les voitures autonomes, la reconnaissance faciale et même la prise de photo.
Les GPU seuls ne seraient pas en mesure de gérer toutes ces tâches, d’où la raison pour laquelle les NPU ont été inventés. Cette technologie se retrouve dans NVDLA de Nvidia, TPU de Google et le Neural Engine développé par Apple.
Dans ces cas, ils permettent d’améliorer les performances des charges de travail d’apprentissage automatique, ce qui offre une expérience plus fluide à l’utilisateur, tout en permettant à d’autres composants (tels que le GPU) de fonctionner de manière optimale dans ses propres tâches dédiées.
