CPU和GPU跑深度学习差别有多大

CPU和GPU跑深度学习差别有多大

GPU 的架构与 CPU 很不一样。首先，GPU 并不具备多功能性。其次，与消费级 CPU 个位数的核心数目不同，消费级的 GPU 通常有上千个核心——特别适合处理大型数据集。由于 GPU 在设计之初有且只有一个目的：最大化并行计算。每一代制程缩减直接带来更多的核心数量（摩尔定律对于 GPU 更明显），意味着 GPU 每年有大约 40% 的性能提升。
GPU适合深度学习的三大理由（按重要程度排序）：高宽带的内存；多线程并行下的内存访问隐藏延迟；数量多且速度快的可调整的寄存器和L1缓存。
深度学习之中使用神经网络训练，一个最大的问题就是训练速度的问题，特别是对于深度学习而言，过多的参数会消耗很多的时间，在神经网络训练过程中，运算最多的是关于矩阵的运算，这个时候就正好用到了GPU，GPU本来是用来处理图形的，但是因为其处理矩阵计算的高效性就运用到了深度学习之中。

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息