1樓：Luv Letter
因為顯示卡的可程式設計著色器向通用化演進，如 CUDA/OpenCL 都是這一過程下的產物.
而音效卡主要是在於編譯碼、數模/數模轉換，傳統都會整合 DSP. 個別音效卡用的是 FPGA 實現（說不定可以跑深度學習）.
2樓：Chemical Waste
因為只有顯示卡GPU和處理器CPU是帶PU的，Processing Unit. 音效卡是Sound Card，大部分功能為數碼訊號 | 模擬訊號轉換，部分音效卡帶有運算放大功能，但是仍然只是針對聲音頻號的功能。
3樓：「已登出」
沒想到 @立黨 前輩不止嘲諷土味幣圈，
也會嘲諷問問題的題主。
只是不清楚立黨大大是否真正理解音效卡的處理過程，或者顯示卡的處理過程呢。
還是像輪子哥一樣仗著自己是大v，然後隨口胡說呢？
更新一下，原來立黨大大真的和輪子哥一樣喜歡拉黑人啊。
大噴子啞火了。。。
4樓：
理論上音效卡可以，比如最早R9 290裡那個TrueAudio就是使用了Tensilica的音效卡IP，這部分應該是VLIW的DSP，後來在RX480時候用CU實現了這部分功能。
RX480上4個CU配置理論上效能是夠了。 OpenAL也有單精度浮點支援，所以理論上是可以的，只是音效卡計算力不是很強。
比如Tensilica的音效卡高階的HiFi 4有Two integrated 2-way SIMD VFPU做浮點計算，不過大部分都是定點MAC的。
顯示卡和深度學習有什麼聯絡？
麗台科技 君欲善其事必先利其器！顯示卡就是深度學習的利器！深度學習是模擬人腦神經系統而建立的數學網路模型，具備很大的資料集來訓練，GPU的特點是有大量的核心和高速記憶體，擅長平行計算，運用GPU進行深度學習的訓練和推理的優勢就突顯出來了，而且GPU核心數很多，運算浮點能力強，可以支撐大量資料的平行計...
為什麼深度學習需要使用 GPU？
瀟灑哥和黑大帥 選擇 GPU 有兩點原因 深度學習的運算可以並行 GPU 運算的核心數多 現在展開講講為啥？深度學習會涉及大量的矩陣運算。對於維的矩陣 以及維的矩陣 在計算兩者乘積的結果時，中任意乙個元素的計算公式為 從公式中可以看出 中的每個元素的計算沒有關聯性，因此可以同時並行運算。好比 GPU...
為什麼我們學習普遍搞 夜貓子 戰術 ，而不選擇更明智的 早起的鳥兒 戰術？
不知道現在減壓落實得怎麼樣了，反正我上高中時候，6點40到校，9點半放學。早上 6點出門去學校，5點半吃飯，5點起床洗漱。像其他答主說的一樣，早上從哪變出來兩三個小時學習？晚上10點到家，正常完成作業都得兩小時以上 作業量差不多四小時吧，在學校能抽空完成一半 有時候還多一兩套卷。還早起學習？乾脆不睡...