GPU

什么是GPU？

的GPU（图形处理单元）是一家专业的设立初衷是呈现高帧率（视频游戏中最常用图片）计算机硬件。由于图形纹理和浓淡需要并联比由CPU（中央处理单元）可以合理地处理执行一个以上矩阵运算和矢量运算，图形处理器作了更有效地执行这些计算。

为什么GPU？

恰巧，深度学习也需要超快速的矩阵计算。因此，研究人员把两者结合，并在GPU的开始训练模型剩下的就是历史。

GPU	中央处理器
优化的FP操作	复杂指令集
慢（1-2 GHz）的	快（3-4千兆赫）
> 1000个芯	<100个核
快速的专用VRAM	大容量系统内存

深度学习真的只有大约每秒浮点运算次数（FLOPS）的数量忧虑。GPU的高度为优化。

在上面的对数刻度图上，可以看到的GPU（红/绿），理论上可以做到10-15x CPU的操作（蓝色）。这加速非常适用于实践了。但不要拿我们的话！

尝试Jupyter笔记本电脑内运行以下命令：

细胞[1]：
进口火炬
t_cpu = torch.rand（500500500）
％timeit t_cpu @ t_cpu

细胞[2]：
t_gpu = torch.rand（500500500）.cuda（）
％timeit t_gpu @ t_gpu

如果你想培养什么深学习有意义，一个GPU是你所需要的 - 准确地说是NVIDIA GPU。

为什么NVIDIA？

我们建议您使用NVIDIA GPU，因为他们是目前最好的了，有几个原因：

1. 目前最快

2. 对于CUDA本地Pytorch支持

3. 与cuDNN深度学习高度优化

---

非常感谢安德鲁·肖写这篇指南。