不是CPU不能做深度学习,而是不够快 。但是CPU的好处是不需要买很贵的显卡 。深度学习需要强大的浮点计算能力 。NVIDIA近年来的计算卡中有TensorCore 。它执行特殊的矩阵数学运算,适用于深度学习和HPC任务负载 。在深度学习、人工智能、高性能计算领域,有NVIDIATensorCoreGPU(A100、A30等 。),包括以前的特斯拉格普 。
为什么深度学习要自己买显卡,直接用超算不香吗?
这个问题就涉及到cpu与gpu的问题了,他们运算有什么区别呢?CPU需要很强的通用性来处理各种不同的数据类型,同时又要逻辑判断又会引入大量的分支跳转和中断的处理 。这些都使得CPU的内部结构异常复杂,而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境 。GPU采用了数量众多的计算单元和超长的流水线,但只有非常简单的控制逻辑并省去了Cache,
而CPU不仅被Cache占据了大量空间,而且还有有复杂的控制逻辑和诸多优化电路,相比之下计算能力只是CPU很小的一部分 。所以与CPU擅长逻辑控制和通用类型数据运算不同,GPU擅长的是大规模并发计算,这也正是深度学习等所需要的,所以GPU除了图像处理和深度学习,也越来越多的参与到计算当中来 。简单来说就是cpu什么都是做,但是慢,
为什么有企业会选择用cpu做深度学习?
CPU不是不能做深度学习,而是速度不够快,但是CPU的好处是不需要购买价格昂贵的显卡 。CPU不适合做深度学习一个重要原因是因为并行单元数量太少,因此在并行计算领域CPU几乎是处于完全的劣势,但是借助Intel新的CPU架构以及MKL加速库,还是可以做到在一些轻量化模型上面的提速,而且使用CPU做深度学习的公司,是很模糊的一个概念,做深度学习分为两个部分,训练和推理,如果是做训练的话,因为数据吞吐量巨大,那么GPU肯定拥有巨大的优势,但是只是做推理的话,虽然GPU会有一部分速度上的优势,但是并不会有那么明显,一般推理只是会处理单一请求单一输入情况下的AI运算,所以CPU做深度学习推理完全是可能的 。
挖矿,深度学习,游戏,3D建模都需要显卡的什么性能,如何选?
NVIDIAGPU一般可以按照应用场景领域来进行分类:专业设计视觉可视化领域,有NVIDIARTX以及NVIDIAQuadro系列显卡,涉及到三维软件建模渲染以及仿真模拟等,需要强大的图形能力,专业显卡对于主流的3D软件有针对性的驱动优化,所以一般建议专业设计人员选择NVIDIARTX及Quadro专业显卡 。
【为什么深度学习用显卡,直接用超算不香吗】在深度学习、人工智能、高性能计算领域,有NVIDIATensorCoreGPU(A100、A30等 。),包括以前的特斯拉格普 。深度学习需要强大的浮点计算能力 。近年来,英伟达的计算卡有TensorCore核心,执行特殊的矩阵数学运算,适用于深度学习和HPC任务负载 。一般消费娱乐指的是NVIDIAGeForce系列GPU 。
推荐阅读
- 小蚁手持云台为什么下架,哪个手持云台好
- 西藏人为什么高,但海拔却高。身体素质一般
- 为什么要这么多浏览器,为什么还要那么多app
- 为什么用无线网很卡怎么回事啊,这是怎么回事
- 鲻鱼为什么钓不上来,钓鲢鱼时有口不中鱼怎么办
- 常州二手车宝马,为什么二手车的宝马八九万这么便宜
- 河南二手现代御翔,现代御翔二手市场为什么不好卖
- 学校采购招标从哪里查,宿迁一学校采购天价地板引关注
- 曲阳晓林小学怎么样,保定曲阳晓林中心小学教师办辅导班被停办
- 陕西545能上什么学校,陕西理工466分