為什麼深度學習需要使用 GPU？

1樓：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 有好多成千上萬的的「小計算器」，CPU 中幾個或十幾個的「高效能的小計算器」。

因此從這個可以看出，GPU 上的運算單元比 CPU 多。

雖然 CPU 上每個單元效能高，但面對大量計算時，GPU 在完成一批矩陣運算時，同時運算的數量高，所以總體下來還是 GPU 適合。

2樓：WLemon

實際上深度學習並不一定需要用GPU，只是如果不使用GPU，訓練模型所耗的時間會變得巨長。

GPU優勢在於並行運算，而深度學習中的運算大部分都是矩陣運算 (矩陣運算就是並行運算的一種)。可以想象矩陣A * 矩陣B = 矩陣C，GPU可以做到的並行運算是指，矩陣C中的每個元素可以同時運算得出，而CPU可以做到的只能夠是先算出矩陣C第一行第一列的元素，接著再去算第一行第二列的元素，與此類推。

用之前看到的乙個簡單的例子來說明 (由於忘記出處，這裡就不引用了)，CPU就好比1位高中生，5分鐘就能做出一道幾何題，但是要讓他5分鐘做1000道簡單的加法題，可能會做不完。而GPU就好比100位小學生，雖然會的東西不及高中生，但是讓它們在5分鐘內合力完成1000道簡單的加法題，還是綽綽有餘的。