深度学习 – 运行平台

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。

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。

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)


浙ICP备17015664号联系我们网站地图  
@2019 qikegu.com 版权所有,禁止转载