前言
大家都知道做深度学习研究,特别是进行多层次神经网络的运算,需要耗费大量的计算机算力和时间,而一个好的硬件可以大大减少降低训练的时间成本,特别是当我们需要对模型进行反复调参数时,时间成本的增加将会是一个灾难性的体验。
1、说说CPU和GPU
(1)、 简单了解一下
- CPU(Central Processing Unit) 又被称作中央处理器, 是一台计算机的计算处理核心,
主要负责计算机的控制命令处理和核心运算输出。 - GPU(Graphics Processing Unit) 又被称作图像处理器, 是一台主机的显示处理核心, 主要负责对计算机中的图形和图像的处理与运算。
(2)、主要异同
- 核心数:从硬件层面上来说,GPU相较于CPU拥有更多的核心数量,这也是为什么说GPU更适合并行运算的原因;但是CPU虽然核心数量比较少,但是其每一个核心计算单元相较于GPU的每一个核心计算单元,具有更高效的计算能力。
- 应用场景:CPU侧重于串行计算;GPU侧重于并行计算。
(3)、深度学习研究根据异同选择GPU的原因
- 在深度学习中,大多说模型的参数结构都是张量(Tensor)形式,做张量计算,就像做矩阵运算一样,存在着大量的并行计算,所以使用GPU做深度学习运算,犹如两个轮子的自行车和四个轮子的汽车一样,同样的起点和终点,到达的时间相差百倍。
2、配置的建议
由于时间问题,剩下的部分待更新!近期一两天就更新!