CV第八课 GPU/CPU

标签：set   矩阵乘法   核心   读取   运行   inner   The   技术   线程   

GPU vs CPU

GPU：

    核心数：    GPU比CPU有更多的核，但是单个核运行很慢，它们之前其实是相互合作而不是单独运行，所以不能直接以cores to cores这样直接比较。

    运行速率：优点是，因为有更多的核，所以在做并行任务，且本质相近的事务时，GPU的处理能力很棒

　　　　    例如： 神经网络里的矩阵乘法 可以高并行计算，所以GPU计算效率快； CPU就只能做串行计算； 

　　　　　　　　the inner product of some part of the weight matrix and some part of the imput

    内存：        CPU自己的内存比较小，一般是运用计算机的RAM 8G 16G； 但是GPU有着自己的内存，比如Titan XP 有12G 本地内存。

Cuda:

    cuda语言能充分发挥GPU的效率，但是很难写，所以有一些库可以帮助我们，如cuBLAS，cuFFT，cuDNN

CPU，GPU，GPU+cuDNN 5.1 跑模型的速率的对比

GPU存储模型，硬盘存数据的问题：

　　1.模型及其weight matrix 存储在GPU的内存中（12GB），但是dataset 在hard-drive ssd ; 而GPU中的forward，backward速率是非常快的，而CPU中的读取数据的速率可能会比较慢。

　　2.解决方法： dataset小，先把数据读进RAM； 或者用SSD而不是HHD ； 用多线程CPU读取数据

CV第八课 GPU/CPU

标签：set   矩阵乘法   核心   读取   运行   inner   The   技术   线程   

原文地址：https://www.cnblogs.com/ChevisZhang/p/12964451.html