什么是人工智能里的 GPU？

GPU (Graphics Processing Unit)

GPU，即图形处理器，是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器。

GPU 的特点

GPU 使显卡减少了对 CPU 的依赖，并分担了部分 CPU 的工作。GPU 所采用的架构非常适合大规模并行计算，这使得它在深度学习领域大放异彩。

GPU 与 CPU 的区别

特性	CPU	GPU
核心数	少（几个到几十个）	多（几千个）
擅长任务	复杂逻辑、串行任务	简单计算、并行任务
内存访问	大缓存	高带宽

为什么 GPU 适合深度学习？

深度学习中的神经网络训练和推理涉及大量的矩阵运算，这些运算可以并行化。GPU 的数千个核心可以同时执行这些计算，大大加速了训练过程。

主要 GPU 厂商

• NVIDIA: 目前 AI 领域的主流选择，提供 CUDA 计算平台
• AMD: 也提供用于计算的 GPU，但生态不如 NVIDIA 完善
• Intel: 近年来也开始布局独立 GPU 市场

相关概念

• CUDA: NVIDIA 推出的并行计算平台和编程模型
• cuDNN: NVIDIA 针对深度神经网络优化的 GPU 加速库
• Tensor Core: NVIDIA Volta 架构引入的专用 AI 加速单元

文章来源: 产品经理的人工智能学习库 (easyai.tech)