Vratislav Holub Nang lumipat ang Apple mula sa mga processor ng Intel sa sarili nitong solusyon sa anyo ng mga Apple Silicon chip para sa mga computer nito, makabuluhang napabuti nito ang pagganap at pagkonsumo ng enerhiya. Kahit na sa mismong pagtatanghal, itinampok niya ang mga pangunahing processor, na magkasamang bumubuo sa pangkalahatang chip at nasa likod ng mga kakayahan nito. Siyempre, sa bagay na ito ang ibig naming sabihin ay CPU, GPU, Neural Engine at iba pa. Habang ang papel ng CPU at GPU ay karaniwang kilala, ang ilang mga gumagamit ng Apple ay hindi pa rin malinaw kung para saan talaga ginagamit ang Neural Engine.
Maaaring ito ay interesado ka
Pavel Jelic Ang higanteng Cupertino sa Apple Silicon ay batay sa mga chip nito para sa iPhone (A-Series), na nilagyan ng halos parehong mga processor, kabilang ang nabanggit na Neural Engin. Gayunpaman, wala kahit isang device ang ganap na malinaw kung para saan ito ginagamit at kung bakit natin ito kailangan. Bagama't medyo malinaw na kami tungkol dito para sa CPU at GPU, ang bahaging ito ay higit pa o hindi gaanong nakatago, habang tinitiyak nito ang medyo mahahalagang proseso sa background.
Bakit magandang magkaroon ng Neural Engine
Ngunit bigyan natin ng kaunting liwanag ang mahalaga, o talagang mahusay, katotohanan na ang ating mga Mac na may Apple Silicon chips ay nilagyan ng espesyal na processor ng Neural Engine. Tulad ng alam mo, ang seksyong ito ay partikular para sa pagtatrabaho sa artificial intelligence at machine learning. Ngunit iyon mismo ay hindi kailangang magbunyag ng labis. Gayunpaman, kung ibubuod natin ito sa pangkalahatan, masasabi nating nagsisilbing pabilisin ng processor ang mga nauugnay na gawain, na ginagawang mas madali ang gawain ng klasikong GPU at pinapabilis ang lahat ng ating gawain sa ibinigay na computer.
Ito ay kung paano ipinakita ng Apple ang M1 chip
Sa partikular, ang Neural Engine ay ginagamit para sa mga kaugnay na gawain, na, sa unang tingin, ay hindi naiiba sa anumang paraan mula sa mga normal. Maaari itong maging pagsusuri sa video o pagkilala sa boses. Sa ganitong mga kaso, ang pag-aaral ng makina ay naglaro, na maliwanag na hinihingi sa pagganap at pagkonsumo ng enerhiya. Kaya tiyak na hindi masakit na magkaroon ng isang praktikal na katulong na may malinaw na pagtutok sa isyung ito.
Pakikipagtulungan sa Core ML
Ang balangkas ng Core ML ng Apple ay sumasabay din sa mismong processor. Sa pamamagitan nito, maaaring gumana ang mga developer sa mga modelo ng machine learning at lumikha ng mga kawili-wiling application na gagamitin ang lahat ng available na mapagkukunan para sa kanilang functionality. Sa mga modernong iPhone at Mac na may Apple Silicon chips, tutulungan sila ng Neural Engine dito. Pagkatapos ng lahat, ito rin ay isa sa mga dahilan (hindi lamang) kung bakit ang mga Mac ay napakahusay at makapangyarihan sa larangan ng pagtatrabaho sa video. Sa ganoong kaso, hindi lang sila umaasa sa performance ng graphics processor, ngunit nakakakuha din ng tulong mula sa Neural Engine o iba pang media engine para sa ProRes video acceleration.
Neural Engine sa pagsasanay
Sa itaas, na-sketch na namin kung ano talaga ang ginagamit ng Neural Engine. Bilang karagdagan sa mga application na gumagana sa machine learning, mga programa para sa pag-edit ng mga video o voice recognition, malugod naming tatanggapin ang mga kakayahan nito, halimbawa, sa native na application na Photos. Kung gagamitin mo ang Live Text function paminsan-minsan, kung saan maaari mong kopyahin ang nakasulat na text mula sa anumang larawan, nasa likod nito ang Neural Engine.
Maaaring ito ay interesado ka
