硬件：CPU和GPU、TPU和其他

一、CPU与GPU

二、提升CPU利用率：计组学过的

1、超线程一般是给不一样的任务的计算使用，而非在计算密集型工作中

2、Cpu一次可以计算一个线程，而gpu有多少个绿点一次就能计算多少个线程，Gpu比cpu快是因为gpu它的核多，Gpu通过多核和大的带宽去提高了运算效率，但gpu它的内存做不了很大

3、每秒计算的浮点数，浮点数乘以主频

三、提升GPU的利用率

四、总结

五、硬件

1、DSP：数字信号处理

深度学习是计算密集型运算，GPU更适合计算密集型运算

FFT：快速傅里叶变换

2、可编程阵列FPGA

这是一种板子，可以进行烧制编程

3、ASIC

FPGA通常是做模拟的，做好后模拟成功进行ASIC留片

4、Systolic Array

一个PE里面可以做一个简单运算

将ASIC设计为2D，为了深度学习内的矩阵运算；卷积也可以换成矩阵乘法。