【深度学习】如何选择适合深度学习的GPU？

当我们在学习机器学习或者是深度学习的时候，训练深度神经网络模型的时候，经常使用GPU而不是CPU，这是因为在处理深度神经网络方面，GPU的处理能力优于CPU。

但是，很多人并不十分清楚我们到底需要什么样的GPU？因此，本文给大家做一些简单的分析，并提出一些建议。

为什么GPU比CPU更适合机器学习或者深度学习？

CPU（中央处理器）是计算机的核心，它非常灵活，不仅需要处理来自各种程序和硬件的指令，并且处理速度也非常优秀。为了在这种多任务环境中表现出色，CPU具有少量且灵活快速的处理单元（也称为核）。

GPU（图形处理单元）在多任务处理方面不那么灵活。但它可以并行执行大量复杂的数学计算。这是通过拥有更多数量的简单核心（数千个到上万）来实现的，这样可以同时处理许多简单的计算（并行计算）。

并行计算的要求非常适合于:

• 图形渲染——移动的图形对象需要不断地计算它们的轨迹，这需要大量不断重复的并行数学计算。
• 机器和深度学习——大量的矩阵/张量计算，GPU可以并行处理。
• 任何类型的数学计算，可以拆分为并行运行。

下图是CPU和GPU的主要区别：