人工智能入门第一篇：简单理解GPU和CPU

1，GPU就是显卡吗

‌不是，显卡和‌GPU是两个相关但不完全相同的概念，GPU是显卡的核心部分，但显卡不仅仅包括GPU，还包括其他。

• 显卡（Graphics Card） 是计算机的一个基本组成部分，它包含了多个部件，如GPU、‌显存、‌电路板等。显卡的主要功能是将计算机生成的图像数据输出到显示器上显示，同时也负责处理其他需要图形处理或科学计算的任务，如游戏、视频编辑、3D建模、深度学习等。
• GPU（Graphics Processing Unit） 是显卡的核心部件，专门为图形运算设计的功能强大的处理器。它拥有多核心的高性能架构，专为大规模并行处理复杂和数据密集型的图形运算工作而设计。GPU是显卡中负责处理图形信息和渲染图像的部分。
• CPU（Central Processing Unit），即中央处理器，是计算机的中枢神经系统，主要负责解释计算机指令以及处理计算机软件中的数据。它的作用偏向于调度、协调和管理，确保计算机各个部件之间的协同工作。同时，CPU也具备一定的计算能力，可以执行各种复杂的运算任务。

2，GPU和GUP到底是什么区别

一直以来，我对CPU和GPU的概念都不太理解，明明CPU就是可以负责一切的计算活动，为啥还需要GPU呢，可以这样理解，CPU可以类比成一个大学的教授，GPU可以类比成1万个小学生，如果是计算复杂的运算，1千个小学生比不过1个大学教授，但是如果计算一千个十以内加减法，肯定是小学生胜。

电脑的画面是有成千上万个像素点组成的，每一个点的实时颜色和亮度都需要单独计算，一个CPU通常只有几核，一个GPU可以有几千几万核，让他去处理图形运算能大大解放CPU的压力。

3，CUDA是什么

CUDA是‌Compute Unified Device Architecture的简称，它包含了CUDA指令集架构以及GPU内部的并行计算引擎。
简单来说，用cuda平台，程序员就可以用简单的编程操作英伟达的GPU为自己干活。

4，为什么人工智能离不开GPU

因为大模型需要海量的数据去训练，恰好GPU可以将这些复杂的任务拆解成一个个小的任务并发执行，用GPU去训练比用CPU要快几十倍。