AI及NLP基础
NLP实战课的笔记 第一章
2020.12.06
目录
深度学习与硬件
CPU
-
注意事项
-
一般不用CPU训练深度学习模型
-
很多
if...else
出现时,CPU会比GPU快 -
如果需要加速,可以通过
Cython
访问C++
,这在实际业务性应用时很有用 -
对于大部分CPU外的硬件
GPU,TPU,FPGA
,CPU会负责数据的读写->在进行训练时,有时为了加速需要选择更多核的机器
-
-
部署时
-
避免Cache Miss
-
又是需要使用足够多的核来支持读写
-
GPU
-
GPU的硬件特点
-
SIMT(Single Instruction Multiple Threads):一个GPU中有很多核,但无法独立工作。如管理者
multi-stream processor
要求做一个加法时,所有的核都会同时做加
-