El aprendizaje de la máquina en un corto período de 1 años después de la aparición de la tasa de crecimiento es también más allá de las expectativas externas. El comentario señala que el mercado de aprendizaje de la máquina está en auge desde el reciente rendimiento de los precios de las acciones de NVIDIA. Además, la GPU es no sólo entrenar el sistema de aprendizaje de la máquina, la mejor selección de la viruta, trabajo de aprendizaje de la máquina puede incluso del centro de datos, dispositivo gradualmente de mudanza, conduciendo el aumento de la demanda de la industria del semiconductor. Según la ingeniería de semiconductores, el aprendizaje de la máquina todavía se consideraba un experimento científico al principio de 2016, pero ahora ha empezado a aplicarse para mejorar el producto y comenzar a ser acogido con satisfacción por el mercado de consumo. El primer desarrollo es el resultado de un gran número de capacidades computacionales, ancho de banda, memoria de bajo costo y convergencia de algoritmos. Estos algoritmos se pueden utilizar para entrenar sus procesos, la mayoría de los cuales son operaciones de minería de datos. Primero, una vez que se hayan establecido los 1 conjuntos de características, los datos serán duplicados y pueden indicar qué anomalías han ocurrido en la fabricación o el diseño y si hay redundancia, y el resultado es un aumento rápido y significativo en eficacia operacional, mejorando calidad del producto, confiabilidad, eficacia, el consumo de energía y el rendimiento. El otro extremo del aprendizaje de la máquina es inferencia (que inferencía), que es algoritmos del refinamiento de modo que las máquinas puedan funcionar bajo 1 sistemas de características, esencialmente creando el comportamiento aceptable para los dispositivos o las aplicaciones (apps) basados en factores sabidos, previsibles o desconocidos. Sin embargo, una vez que se desconozca la máquina, el desconocido se añadirá a la base de datos de formación e inferencia como referencia a las decisiones futuras o ignoradas debido a la ausencia de relevancia. Los comentarios señalan que el proceso requiere mucho poder computacional y es la razón para que el precio de las acciones de NVIDIA se ilumine. La GPU es económica y puede soportar una gran cantidad de operaciones paralelas (paralelismo masivo), que es importante para el fin de la formación que se basa en las operaciones de punto flotante. Sin embargo, la actual competencia de mercado ha empezado a recurrir al fin de la inferencia de la dependencia de los cálculos de punto fijo. De las diferentes pistas se puede encontrar que la competencia de mercado después de la aparición de la industria de semiconductores también traerá impacto. Dado que la inferencia no se limita tanto al fin de la formación del centro de datos, se puede realizar en el centro de datos o en el suelo, y se espera que la inferencia avance en varios dispositivos móviles a medida que el algoritmo sigue siendo refinado y el proceso de cómo funciona el dispositivo se forma. Como resultado, el desarrollo global de la industria de semiconductores es un beneficio, debido al procesamiento extremadamente rápido, un gran número de almacenamiento y almacenamiento de información y extremadamente rápido cableado de virutas para traer una gran demanda. Además, las necesidades de infraestructura se plantearán para manejar el aumento repentino de los datos que se transmiten dentro y fuera del dispositivo de transmisión, además de la creciente demanda de herramientas para construir, verificar o depurar dispositivos más rápidos.
