admin管理员组

文章数量:1655307

在深度学习中,似乎每个人都建议使用GPU。 它是什么,没有一个,您能做得到吗?它的确切对象是谁?

> Photo by Florian Krumm on Unsplash

任何试图大规模推广训练模型性能的数据科学家或机器学习爱好者都将在某个时候达到顶峰,并开始经历不同程度的处理滞后。 当数据集变得更大时,使用较小的训练集花费数分钟的任务现在可能需要花费更多的时间(在某些情况下是几周)。

但是什么是GPU? 它们如何与CPU相抗衡? 我的深度学习项目需要一个吗?

如果您曾经问过自己这些问题,请继续阅读…

为什么选择GPU进行深度学习

GPU经过优化,可训练人工智能和深度学习模型,因为它们可以同时处理多个计算。

它们具有大量内核,可以更好地计算多个并行进程。 此外,深度学习中的计算需要处理大量数据-这使GPU的内存带宽最合适。

有一些决定性参数可以确定是使用CPU还是GPU来训练深度学习模型:

内存带宽:

带宽是GPU比CPU更快的计算速度的主要原因之一。 对于大型数据集,CPU在训练模型时会占用大量内存。

计算庞大而复杂的作业需要占用CPU大量的时钟周期-CP

本文标签: 深度电脑GPU