GPU单精度和双精度算力，你了解多少

GPU单精度和双精度算力，你了解多少？

随着硬件的更新换代，越来越多的机器学习从业者又开始面临选择 GPU 的难题。机器学习的成功与否很大程度上取决于硬件的承载能力。

深度学习是机器学习的分支，用神经网络解决问题。神经网络能自行找数据模式，但要处理大量信息。CPU适合少量数据快速计算，大量数据就慢了。GPU有数千核心可处理大量并行计算，还有大量内存带宽，是深度学习的理想硬件。

选择GPU时，内存带宽、处理能力、显存大小等是主要性能指标。多GPU选择有理由，不过要注意PCIe通道等。英伟达在深度学习有领先优势，CUDA工具包适用于多框架。AMD的GPU虽然便宜且有优势，但目前做深度学习还是选英伟达好些。GPU运行还需要硬盘、CPU、主板、RAM、电源等硬件，大概500到1000美元就能搞定这些设备，之前买二手工作站更省钱。