全文共2209字,预计学习时长6分钟
图源:unsplash
我对游戏近乎痴迷。从小到大,我对显卡的唯一要求就是为了玩游戏。直到开始接触人工智能和数据科学领域,尤其是深度学习之后,我才意识到了显卡的真正潜力。就像梦想照进了现实——只用一片简单的显卡,就能同时满足学习和研究的需求,真是妙啊。(注:GPU和显卡是一个意思,在本文中互换使用。)
经过优化的GPU可用于训练人工智能和深度学习系统,因为它们可同时处理多个计算。这些系统有大量的内核,可以更好地计算大量并行进程。
本文将解释GPU和CUDA的概念,然后进一步探索图形处理器(GPU)的优点,以及在预算有限的情况下购买它的最佳时机。最后,本文将讨论你的其他选择。闲话少说,先从理解概念开始。
什么是GPU?
GPU即图形处理器,它是一种特殊的电子元件,用于快速操作并改变内存,以提高在帧缓冲区内创建图像的速度,从而输出于显示设备中。GPU是现代计算的一个关键部分,它的计算能力和高性能网络正在改变计算科学和人工智能。
英伟达(NVIDIA)公司提供了一种名为统一计算设备架构(CUDA)的东西,它对许多深度学习应用至关重要。
CUDA是由英伟达公司开发的并行计算平台和应用程序编程接口模型。它允许软件开发者和软件工程师们使用支持CUDA的图形处理器(GPU)进行通用处理,也就是一种名为GPGPU的方法。CUDA的内核在人工智能领域有很强的优势,且在该领域极具革命性,下文中将详细说明。