L'apprentissage des machines en une courte période de 1 an après l'émergence du taux de croissance est également au-delà des attentes extérieures. Le commentaire souligne que le marché de l'apprentissage de la machine est en effet en plein essor de la performance récente de NVIDIA Bright-Eyed prix de l'action. En outre, le GPU n'est pas seulement de former le système d'apprentissage de la machine, la meilleure sélection de puces, la machine de travail d'apprentissage peut même à partir du centre de données, progressivement dispositif de déplacement, la conduite de l'industrie des semi-conducteurs augmentation de la demande. Selon l'ingénierie des semi-conducteurs, l'apprentissage des machines était encore considéré comme une expérience scientifique au début du 2016, mais il a commencé à être appliqué afin d'améliorer le produit et de commencer à être accueilli par le marché des consommateurs. Le premier développement est le résultat d'un grand nombre de capacités de calcul, la bande passante, la mémoire à faible coût, et la convergence des algorithmes. Ces algorithmes peuvent être utilisés pour former leurs processus, dont la plupart sont des opérations d'exploration de données. D'abord, une fois que les 1 ensembles de fonctions ont été établis, les données seront dupliquées et peuvent indiquer quelles anomalies ont eu lieu dans la fabrication ou la conception et s'il y a redondance, et le résultat est une augmentation rapide et significative de l'efficacité opérationnelle, améliorant la qualité des produits, la fiabilité, l'efficacité, la consommation d'énergie et le rendement. L'autre fin de l'apprentissage de la machine est l'inférence (induction), qui est l'affinage des algorithmes de sorte que les machines peuvent fonctionner sous 1 ensembles de fonctionnalités, essentiellement la création d'un comportement acceptable pour les appareils ou les applications (Apps) basée sur des facteurs connus, prévisibles ou inconnus. Toutefois, une fois que la machine est inconnue, l'inconnu sera ajouté à la base de données de formation et d'inférence en tant que référence aux décisions futures ou ignoré en raison de l'absence de pertinence. Les commentaires soulignent que le processus exige beaucoup de puissance de calcul et est la raison pour pousser le prix de part de NVIDIA à briller. Le GPU est peu coûteux et peut supporter une grande quantité d'opérations parallèles (parallélisme massif), ce qui est important pour la fin de la formation qui repose sur des opérations en virgule flottante. Toutefois, la concurrence actuelle du marché a commencé à se tourner vers la fin de l'inférence du recours aux calculs à virgule fixe. Des différents indices peuvent être trouvés que la concurrence de marché après l'émergence de l'industrie de semi-conducteurs apportera également l'impact. Puisque l'inférence n'est pas autant confinée à la fin de formation du centre de données, il peut être effectué dans le centre de données ou sur le terrain, et l'inférence devrait avancer dans divers dispositifs mobiles comme l'algorithme continue à être affiné et le processus de la façon dont le dispositif fonctionne est formé. En conséquence, le développement global de l'industrie des semi-conducteurs est un avantage, en raison du traitement extrêmement rapide, un grand nombre de stockage et de stockage et de câblage à puce extrêmement rapide pour apporter une grande demande. En outre, les besoins en infrastructure se poseront pour gérer l'augmentation soudaine des données transmises à l'intérieur et à l'extérieur du dispositif de transmission, en plus de la demande accrue d'outils pour construire, vérifier ou accélérer les dispositifs de débogage.
