GPU：主流选择，功不可没

来源：中为咨询www.zwzyzx.com 【日期：2016-11-30 21:39:39】【打印】【关闭】

相关报告

随着深度学习的层次越来越高、知识图库的数据量越来越庞大，芯片的计算能力成为限制人工智能进一步发展的瓶颈。目前，GPU、FPGA和ASIC被公认为是适合进行大量AI人工计算的芯片。

深度学习算法是人工智能的核心，深层模型训练需要各种技巧，例如网络结构的选取，神经元个数的设定，权重参数的初始化，学习率的调整，Mini-batch的控制等等。矢量化编程是提高算法速度的一种有效方法，矢量化编程强调单一指令并行操作多条相似数据，形成单指令流多数据流（SIMD）的编程泛型。

由于在单个CPU上执行时，矢量运算会被展开成循环的形式，本质上还是串行执行。而GPU就采用了大量的执行单元，这些执行单元可以轻松的加载并行处理，而不像CPU那样的单线程处理。因此，GPU率先被用于进行人工智能的大量计算。GPU中含有更多晶体管用于数据处理

2009年百度首席科学家吴恩达与斯坦福大学的研究小组，发现了GPU芯片可以并行运行神经网络算法，GPU的众核体系结构包含几千个流处理器，可将矢量运算并行化执行，大幅缩短计算时间。

随着NVIDIA、AMD等公司不断推进其GPU的大规模并行架构支持，面向通用计算的GPU（General-PurposedGPU,GPGPU）已成为加速可并行应用程序的重要手段。GPU应用于人工智能的深度学习得到了谷歌、微软、IBM、百度等公司的采用。这使得深度学习算法的运算效率大幅提升，极大地推动了人工智能的发展。GPU处理并行数据的能力是CPU的33倍