व्रतिस्लाव होलुब जेव्हा ऍपलने इंटेल प्रोसेसर वरून ऍपल सिलिकॉन चिप्सच्या रूपात त्याच्या कॉम्प्युटरसाठी स्वतःच्या सोल्यूशनवर स्विच केले, तेव्हा त्याने कार्यप्रदर्शन आणि ऊर्जा वापरामध्ये लक्षणीय सुधारणा केली. सादरीकरणादरम्यानही, त्याने मुख्य प्रोसेसर हायलाइट केले, जे एकत्रितपणे एकंदर चिप बनवतात आणि त्याच्या क्षमतेच्या मागे आहेत. अर्थात, या संदर्भात आमचा अर्थ CPU, GPU, न्यूरल इंजिन आणि इतर. CPU आणि GPU ची भूमिका सामान्यतः ज्ञात असताना, काही ऍपल वापरकर्ते अजूनही स्पष्ट नाहीत की न्यूरल इंजिन खरोखर कशासाठी वापरले जाते.
असू शकते तुम्हाला स्वारस्य आहे
पावेल जेलिक Apple Silicon मधील Cupertino जायंट त्याच्या iPhone (A-Series) च्या चिप्सवर आधारित आहे, जे वर नमूद केलेल्या न्यूरल इंजिनसह अक्षरशः समान प्रोसेसरसह सुसज्ज आहेत. तथापि, एक साधन देखील पूर्णपणे स्पष्ट नाही की ते प्रत्यक्षात कशासाठी वापरले जाते आणि आम्हाला त्याची आवश्यकता का आहे. आम्ही CPU आणि GPU साठी याबद्दल अगदी स्पष्ट आहोत, हा घटक कमी-अधिक प्रमाणात लपलेला आहे, तर पार्श्वभूमीत तुलनेने महत्त्वाच्या प्रक्रियांची खात्री देतो.
न्यूरल इंजिन असणे चांगले का आहे
परंतु आपण अत्यावश्यक किंवा प्रत्यक्षात चांगल्या गोष्टींवर थोडा प्रकाश टाकू या की ऍपल सिलिकॉन चिप्स असलेले आमचे Macs विशेष न्यूरल इंजिन प्रोसेसरने सुसज्ज आहेत. तुम्हाला माहीत असेलच की, हा विभाग विशेषत: आर्टिफिशियल इंटेलिजन्स आणि मशीन लर्निंगसह काम करण्यासाठी आहे. पण ते स्वतःच इतके उघड करण्याची गरज नाही. तथापि, जर आपण सर्वसाधारणपणे त्याचा सारांश काढायचा असेल तर, आम्ही असे म्हणू शकतो की प्रोसेसर संबंधित कार्यांना गती देतो, जे क्लासिक GPU चे कार्य लक्षणीयपणे सोपे करते आणि दिलेल्या संगणकावर आमचे सर्व काम वेगवान करते.
अशा प्रकारे ऍपलने M1 चिप सादर केली
विशेषत:, न्यूरल इंजिनचा वापर संबंधित कार्यांसाठी केला जातो, जो पहिल्या दृष्टीक्षेपात, सामान्य लोकांपेक्षा कोणत्याही प्रकारे भिन्न नसतो. हे व्हिडिओ विश्लेषण किंवा आवाज ओळख असू शकते. अशा परिस्थितीत, मशीन लर्निंग कार्यात येते, जे कार्यप्रदर्शन आणि उर्जेच्या वापरासाठी आवश्यक आहे. त्यामुळे या समस्येवर स्पष्ट लक्ष केंद्रित करणारा व्यावहारिक सहाय्यक असणे निश्चितपणे दुखत नाही.
कोर एमएल सह सहयोग
Apple चे Core ML फ्रेमवर्क देखील प्रोसेसर सोबतच हाताशी आहे. त्याद्वारे, विकासक मशीन लर्निंग मॉडेलसह कार्य करू शकतात आणि मनोरंजक अनुप्रयोग तयार करू शकतात जे नंतर त्यांच्या कार्यक्षमतेसाठी सर्व उपलब्ध संसाधने वापरतील. ऍपल सिलिकॉन चिप्ससह आधुनिक iPhones आणि Macs वर, न्यूरल इंजिन त्यांना यामध्ये मदत करेल. शेवटी, व्हिडिओसह कार्य करण्याच्या क्षेत्रात मॅक इतके चांगले आणि शक्तिशाली का आहेत हे देखील एक कारण आहे (केवळ नाही). अशा परिस्थितीत, ते केवळ ग्राफिक्स प्रोसेसरच्या कार्यक्षमतेवर अवलंबून नसतात, तर ProRes व्हिडिओ प्रवेगासाठी न्यूरल इंजिन किंवा इतर मीडिया इंजिनची मदत देखील घेतात.
सराव मध्ये न्यूरल इंजिन
वर, न्यूरल इंजिन प्रत्यक्षात कशासाठी वापरले जाते हे आम्ही आधीच हलकेच रेखाटले आहे. मशिन लर्निंगसह काम करणाऱ्या ऍप्लिकेशन्स व्यतिरिक्त, व्हिडिओ संपादित करण्यासाठी प्रोग्राम किंवा व्हॉइस रेकग्निशन, आम्ही त्याच्या क्षमतांचे स्वागत करू, उदाहरणार्थ, फोटोज ऍप्लिकेशनमध्ये. तुम्ही वेळोवेळी लाइव्ह टेक्स्ट फंक्शन वापरत असल्यास, जेव्हा तुम्ही कोणत्याही इमेजमधून लिखित मजकूर कॉपी करू शकता, तेव्हा न्यूरल इंजिन त्याच्या मागे असते.
असू शकते तुम्हाला स्वारस्य आहे
