为什么GPU可以提升深度学习算法 作者：马育民 • 2020-05-19 15:53 • 阅读：10164 # 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**。 [](https://www.malaoshi.top/upload/0/0/1EF5YEqAj2CE.jpeg) 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 [](https://www.malaoshi.top/upload/0/0/1EF5YEl5BIm2.jpeg) # 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。 感谢： https://blog.csdn.net/qyf__123/article/details/100147909 原文出处：/show_1EF5YEscPZ4F.html