矩阵运算
GPU最初是为 图形应用而开发的硬件。如：在游戏渲染中，显卡需要执行大量的 图形运算，包括 矩阵运算。
深度学习中的算法，也需要做大量的 矩阵运算（如：卷积神经网络）。
也就是说，深度学习算法 与 图形算法 相似，GPU既然可以提升图形运算（如渲染大型游戏），当然也可以提升 深度学习算法
多核并行
GPU电路 比 CPU 更加简单，只有 取指令、指令译码、ALU 以及执行这些计算需要的寄存器和缓存
所以，可以在一个 GPU 里面，有多个这样并行的 处理单元 来实现计算，就好像 CPU 里面的多核 CPU 一
多线程并行
不需要实现 多线程 计算，因为 GPU 的运算是天然并行的
高带宽
CPU更擅长于快速获取少量的内存，GPU则更擅长于获取大量的内存。
目前，最好的CPU大约能达到50GB/s的内存带宽，而最好的GPU能达到750GB/s的内存带宽。
因此，在内存方面，计算操作越复杂，GPU对CPU的优势就越明显。