python运行效率gpu_机器学习中GPU与CPU计算速度对比

从硬件来分析，CPU和GPU似乎很像，都有内存、cache、ALU、CU，都有着很多的核心，但是二者是有区别的。

GPU与CPU结构缩略图

以核心为例，CPU的核心比较重，可以用来处理非常复杂的控制逻辑，预测分支、乱序执行、多级流水等等CPU做得非常好，这样对串行程序的优化做得非常好。

但是GPU的核心就是比较轻，用于优化具有简单控制逻辑的数据并行任务，注重并行程序的吞吐量。

简单来说就是CPU的核心擅长完成多重复杂任务，重在逻辑，重在串行程序；GPU的核心擅长完成具有简单的控制逻辑的任务，重在计算，重在并行。

有一个比较形象的比喻，CPU就像是一个博士，适合处理非常复杂的任务，而GPU就像是一群的小学生，适合处理大量的简单任务(比如加减乘除)。让一名博士去处理大量的加减乘除，速度不一定有大量的小学生同时计算加减乘除来得快

刚好我手里同时有GPU和CPU，能不能做个实验来验证一下，GPU和CPU到底是哪个的运算能力更强大。

我的GPU和CPU:

GPU:GeForce GTX 1070 TI

CPU:Intel i