cpu和GPU哪个更合适?

但是CPU就像一个人，他可以同时做不同的事。 CPU和GPU针对的工作点是不同的，如果你要对大量数据做同样的事情，那么GPU更在行，但是如果你要对同一个数据进行不同的操作，那么CPU更合适。 也就是说，CPU能够灵活的处理多任务，而GPU适合进行图形和大型矩阵运算，比如最近的挖矿，或者暴力破解密码等等。 用专业的话说就是CPU适合分支预测等复杂操作，GPU适合对大量数据进行简单操作，CPU的任务是复杂的，而GPU的任务量大，但是简单。 其实GPU也算是一种CPU，不过是一种专用的CPU。 专门为单指令在大块数据上工作而设计，这些数据都进行相同的操作，因为处理一大块数据比处理一个一个数据更有效，这也意味着需要更多的晶体管来并行工作，所以，现在的旗舰级显卡都是百亿以上的晶体管。

为什么GPU不能当作cpu?

GPU不能当作CPU，不能实现一般意义上的操作系统。 因为GPU是不具备CPU的一些功能。 如设备IO，内存分页，特权级和保护。 GPU擅长计算，但不擅长管理。 GPU的线程是没有栈的，不支持递归（隐式）。

什么是cpu?

什么是 CPU？ CPU 由数百万个晶体管组成，可以有多个处理内核，通常被称为计算机的大脑。 它是所有现代计算系统必不可少的组成部分，因为它执行计算机和操作系统所需的命令和流程。 在确定程序运行速度方面（从网页浏览到构建电子表格），CPU 也很重要。 什么是 GPU？ GPU 是由许多更小、更专业的内核组成的处理器。 在多个内核之间划分并执行一项处理任务时，通过协同工作，这些内核可以提供强大的性能。 CPU 与 GPU 有什么区别？ CPU 和 GPU 具有很多共同点。 它们都是重要的计算引擎。 都是基于芯片的微处理器。 并且，两者都处理数据。 但是 CPU 和 GPU 具有不同的架构，构建的目的也不同。

什么是 GPU 加速器?

当今的 GPU 运行越来越多的工作负载，例如深度学习和人工智能 (AI)。 GPU 或其他加速器适用于使用神经网络层或在 2D 图像等大量数据集上进行的深度学习训练。 为使用 GPU 加速方法，对深度学习算法进行了调整。 通过加速，这些算法能够大幅提高性能，可以将实际问题的训练时间缩短到可行的范围内。