- Objective: - Breadcrumb: - # 概念阐释 - 计算机中的硬件部分，全称为图形处理单元Graphics Processing Unit，最早用来处理图像和视频任务，俗称显卡。 - 随着 GPU计算能力和速度的不断升级，现在GPU也用来处理大量[[并行计算]]的复杂任务，如人工智能、深度学习、物理模拟等领域。GPU通常有自己的独立内存，可以减轻CPU的负担。 - # 实例 - NVIDIA英伟达，GPU制造商。Pytorch , TensorFLow等主流深度学习框架均提供了基于 CUDA 的 GPU 运算支持。 - # 相关内容 - 被集成在计算机主板上 - 或作为独立显卡插在电脑上 - > 能确定“学习曲线”要多久才能趋于平缓吗？似乎也存在一种取决于神经网络大小和数据量的近似幂律缩放关系。但总的结论是，训练神经网络很难，并且需要大量的计算工作。实际上，绝大部分工作是在处理数的数组，这正是GPU擅长的—这也是为什么神经网络训练通常受限于可用的GPU数量。——《这就是 ChatGPT》#todo 没看懂 - # 参考资料