人工智能深度学习入门练习之（31）深度学习 – 运行平台

阅读目录

• GPU 对比 CPU
• Python的规范
• GPU:特殊包

 

---

回到顶部

GPU 对比 CPU

要运行深度学习项目，建议使用gpu，cpu与gpu比较如下：

规格	英特尔酷睿i7-6900k处理器极限版	英伟达GeForce GTX I 080 Ti
时钟频率	3.2 GHz	< 1.5 GHz
核数	8	3584
内存带宽	64 GB/s	484 GB/s
浮点计算	409 GFLOPS	11300 GFLOPS

对于深度学习任务，gpu(右列)比cpu(中列)更便宜，更有优势。

回到顶部

Python的规范

由于全局解释器锁(GIL)，Python只能在一个核心上执行，可以使用Python中的multiprocessing库克服这个问题，multiprocessing库允许在多个核心上进行分布式计算，但大多数个人电脑硬件最多只有8到16个核心。

回到顶部

GPU:特殊包

在图像处理中，参数的数量可能会激增，cpu可能无法轻松处理这些问题，但是gpu可以。每个GPU都类似于一个小型计算机集群。但是，必须使用像CUDA或OpenCL这样的特殊包来为gpu编写代码。

像TensorFlow这样的深度学习库，使得为OpenCL或支持cuda的gpu编写代码变得很容易。

开源的深度学习库包括:

• Tensorflow(Python Based)
• Keras(Python)
• Torch( C/C++)
• Deeplearning4j(JAVA)