“CPU”VS“GPU”

前者更擅長邏輯，后者更擅長重復計算？

盡管分工不同，但CPU與GPU的較勁從未停止過。在個人PC市場，CPU集成的核芯顯卡已經在主打輕薄、便攜的筆記本電腦上接過了部分獨立顯卡的大旗，而在正處于風口上的深度學習領域，CPU將再次向GPU發起挑戰。

在硬件基礎設施領域，站在擂臺兩邊的正是CPU與GPU。伴隨著近年來自動駕駛技術的興起，作為很多自動駕駛技術開發者的選擇，GPU在深度學習硬件競賽中占得先機，但從英特爾的一系列動作來看，CPU在人工智能、深度學習領域的發展潛力同樣不可小覷。

在過去相當長的一段時間內，GPU被認為是更適合深度學習的硬件設施，主要原因在于，深度學習是模擬人腦神經系統而建立的數學網絡模型，對處理器的主要要求是需要大量的并行的重復計算，這一要求正好與GPU提供多核并行計算的基礎結構特點相符。這也是為什么在自動駕駛技術方面，GPU成為很多開發者首選的原因，自動駕駛涉及到的海量數據，天然適合GPU的技術特性。

不過作為CPU的“帶頭大哥”，英特爾自然沒有任由CPU不適合深度學習的觀點持續下去。在由谷歌、百度、英特爾、AMD、哈佛大學、斯坦福大學等機構聯合推出的機器學習基準測試工具MLPerf的測試結果中，針對MLPerf深度學習訓練工作負載，英特爾至強處理器取得的結果并不遜色于MLPerf參考GPU。

盡管這并不意味著CPU可以完全取代GPU在深度學習中的地位，但已經充分說明，CPU憑借近年來更新迭代，針對性的軟、硬件優化，在深度學習上已經能占據一席之地。英特爾方面的數據顯示，在與前一代沒有優化軟件的產品相比，英特爾至強處理器執行深度學習任務的性能大幅提升，訓練吞吐量提升高達127倍。

這一次

誰能贏得這場硬件競賽？

在《IDC中國人工智能市場半年度研究，2018》所列舉的用戶份額排名前10的開源深度學習框架中，英特爾支持其中的TensorFlow、Caffe、MXNet、PaddlePaddle、Caffe2/Pytorch, CNTK等，同時英特爾還表示將繼續添加其他框架。

而在與GPU的對比中，CPU的另一優勢在于，除了深度學習，CPU本身已經是企業既有IT基礎設施的重要組成部分，“身兼兩職”讓CPU擁有更好的靈活性，例如在業務繁忙時支持業務應用，在閑時則運行基于AI的數據分析。亞馬遜AWS、微軟Azure等海外公有云巨頭推出基于至強平臺的AI云服務，很大程度上是看中了其應用靈活性帶來的創收靈活性。

無論是應用場景、計算能力還是基礎成本，英特爾現在已經有了在深度學習領域與GPU爭峰的底氣，CPU與GPU之間的戰爭也將在深度學習上持續下去。

深度學習主機免費體驗

試過才知誰至強

云軒專注Deep learning和高性能計算服務器定制，搭載英特爾至強處理器，針對主要深度學習框架（如TensorFlow、Caffe 2、Theano或Torch）進行了優化和設置，在桌面上即可提供強大的深度學習功能。

索泰ZBOX遠程試用送好禮

前10名購買贈24寸高清顯示屏！

企業客戶可預約遠程試用（不滿意包退換）！

購買NUC定制電腦，豐富網課免費送

學生電腦一切為了孩子，搭載NUC定制系統，獨有家長監督管控和學習行為統計功能，打造純教學環境。讓孩子專心學習的同時，也讓家長實時知悉學習內容，輕松省心陪伴孩子完成學業。