关于做深度学习，如何配置本地工作站(CPU、GPU等一系列问题扫盲和推荐)

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。
</