gpu cpu CPU与GPU对比CPU，哪个更适合深度学习呢？

一、 CPU和GPU比较

CPU是具有多种功能的出色领导者。它的优势在于强大的调度，管理和协调功能，其次是计算功能。 GPU相当于接受CPU调度的“具有大量计算能力”的员工。

下图是处理器的内部：

DRAM（动态随机存取存储器）是一种常见的系统内存。

高速缓存：计算机中的高速高速缓存是位于CPU和主内存DRAM之间的小规模但高速的内存。

算术逻辑单元ALU是一种组合逻辑电路，可以实现多组算术运算和逻辑运算。

当您需要对大数据执行相同的操作时，GPU更适合。当您需要用相同的数据做很多事情时，CPU恰到好处。

GPU可以做什么？在图形和矩阵运算（例如机器学习算法）方面，GPU可以发挥其才能。

简而言之，CPU善于指挥全局和其他复杂操作，而GPU善于对大数据执行简单且重复的操作。 CPU是从事复杂脑力劳动的教授，GPU是从事大量并行计算的体力劳动者。

二、机器深度学习

深度学习是通过模拟人的大脑和神经系统而建立的数学网络模型。该模型的最大特点是需要大数据进行培训。因此，对计算机处理器的要求是需要大量的并行重复计算。 GPU具有这种知识，而时代已成为英雄。因此，GPU承担了重要任务。

GPU具有以下特征：

这三个特性非常适合深度学习。

三、如何利用GPU的大数据处理功能

GPU只是图形卡上的核心组件，不能单独工作。它还需要一个缓存来协助其工作。离散图形卡直接焊接在图形电路板上的GPU上，并且有一个冷却风扇，可以单独使用。集成的图形卡将GPU和CPU放在一起，共享缓存以工作，并共享冷却风扇。

计算机处理大块数据比一一处理一个数据更有效，并且执行指令的开销将大大减少，因为处理大块数据意味着需要更多的晶体管并行工作。超过1亿个晶体管。

因此，要使用GPU进行大数据处理工作，至少到目前为止，没有单独的GPU板可以购买。您只能购买具有出色GPU性能的超级独立显卡，或在一组集成卡中购买具有卓越GPU性能的主板。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shoujiruanjian/article-370548-1.html