GPU与CPU比较,GPU为什么更适合深度学习?
一、CPU与GPU对比 CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强,计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。 下图是处理器内部结构图: DRAM即动态随机存取存储器,是常见的系统内存。 Cache存储器:电脑中作高速缓冲存储器,是位于CPU和主存储器DRAM之间,规模较小,但速度很高的存储器。 算术逻辑单元ALU是能实现多组算术运算和逻辑运算的组合逻辑电路。 当需要对大数据bigdata做同样的事情时,GPU更合适,当需要对同一数据做很多事情时,CPU正好合适。 GPU能做什么?关于图形方面的以及大型矩阵运算,如机器学习算法等方面,GPU就能大显身手。 简而言之,CPU擅长统领全局等复杂操作,GPU擅长对大数据进行简单重复操作。CPU是从事复杂脑力劳动的教援,而GPU是进行大量并行计算的体力劳动者。 二、机器深度学习 深度学习是模拟人脑神经系统而建立的数学网络模型,这个模型的最大特点是,需要大数据来训练。因此,对电脑处理器的要求,就是需要大量的并行的重复计算,GPU正好有这个专长,时势造英雄,因此,GPU就出山担当重任了。 GPU具有如下特点:
这三个特点,非常适合深度学习了。 三、怎样发挥GPU的大数据处理能力 GPU只是显卡上的一个核心元件,又不能单独工作,它还需要缓存来辅助工作。独立显卡是直接焊死了GPU在显卡电路板上,上面有一个散热风扇供它单独使用。集成显卡是把GPU与CPU放在一起,共用缓存来工作,并且公用一个散热风扇。 电脑处理一大块数据比处理一个一个数据更有效,执行指令开销也会大大降低,因为要处理大块数据,意味着需要更多的晶体管来并行工作,现在旗舰级显卡都是百亿以上的晶体管。 因此,要利用GPU做大数据处理工作,至少目前来说,还没有单独的GPU板卡可购。只能购买GPU性能优越的超级独立显卡,或集成集卡中GPU性能优秀的主板。
(编辑:甘孜站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |