admin管理员组

文章数量:1655083

如何选择适合深度学习的GPU？

  • 为什么GPU比CPU更适合机器学习或者深度学习？
  • 什么是张量处理单元（TPU）?
  • 目前主流的GPU厂商：Nvidia和AMD
  • 选择GPU时需要关注的主要属性
    • 1. GPU的内存需要多少？
    • 2. 需要多少核心？是CUDA核心还是Tensor核心？
    • 3. 哪一种GPU的芯片架构较好？
      • 1）选择的芯片架构是否具有显著的功能改进
      • 2）选择的芯片架构是否会被弃用
  • 什么样的显卡适合我们？
  • 还有哪些选择GPU的建议？
  • 总结一下
  • 参考资料

当我们在学习机器学习或者是深度学习的时候，训练深度神经网络模型的时候，经常使用GPU而不是CPU，这是因为在处理深度神经网络方面，GPU的处理能力优于CPU。

但是，很多人并不十分清楚我们到底需要什么样的GPU？因此，本文给大家做一些简单的分析，并提出一些建议。

为什么GPU比CPU更适合机器学习或者深度学习？

CPU（中央处理器）是计算机的核心，它非常灵活，不仅需要处理来自各种程序和硬件的指令，并且处理速度也非常优秀。为了在这种多任务环境中表现出色，CPU具有少量且灵活快速的处理单元（也称为核）。

GPU（图形处理单元）在多任务处理方面不那么灵活。但它可以并行执行大量复杂的数学计算。这是通过拥有更多数量的简单核心（数千个到上万）来实现的，这样可以同时处理许多简单的计算（并行计算）。

并行计算的要求非常适合于:

  • 图形渲染——移动的图形对象需要不断地计算它们的轨迹，这需要大量不断重复的并行数学计算。
  • 机器和深度学习——大量的矩阵/张量计算，GPU可以并行处理。

本文标签： 深度如何选择适合GPU

版权声明：本文标题：【深度学习】如何选择适合深度学习的GPU？ 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dongtai/1729693354a1210318.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。