在处理深度学习时，为什么 GPU 比 CPU 发挥更大作用？
Why GPUs comes more into play than CPUS when it comes to dealing with Deep Learning?
在几乎大多数情况下，我在处理深度学习中的任何执行部分时都会遇到 GPU。
这与 GPU 架构和 CPU 有关。事实证明，游戏需要大量矩阵乘法，因此 GPU 架构针对这些类型的运算进行了优化，特别是针对高速浮点运算进行了优化。有关此内容的更多信息 here
碰巧神经网络大多是矩阵乘法。
例如：
是具有一个隐藏层的简单神经网络的数学公式。 W_h 是一个权重矩阵，它乘以您的输入 x，我们向其添加偏差 b_h。线性方程 W_hx + b_h 可以压缩为单个矩阵乘法。 sigma 是像 sigmoid 一样的非线性激活。外层 sigmoid 也是一个矩阵乘法。因此 GPU
在几乎大多数情况下，我在处理深度学习中的任何执行部分时都会遇到 GPU。
这与 GPU 架构和 CPU 有关。事实证明，游戏需要大量矩阵乘法，因此 GPU 架构针对这些类型的运算进行了优化，特别是针对高速浮点运算进行了优化。有关此内容的更多信息 here
碰巧神经网络大多是矩阵乘法。
例如：
是具有一个隐藏层的简单神经网络的数学公式。 W_h 是一个权重矩阵，它乘以您的输入 x，我们向其添加偏差 b_h。线性方程 W_hx + b_h 可以压缩为单个矩阵乘法。 sigma 是像 sigmoid 一样的非线性激活。外层 sigmoid 也是一个矩阵乘法。因此 GPU