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。