gpu和cpu的区别是什么？

gpu和cpu的区别：

1、作用不同：CPU是指中央处理器，他的作用偏向于调度、协调、管理，当然也有一定的计算能力。GPU是指图像处理器，他的作用主要在图像处理及大型矩阵运算方面，比如学习算法等等。

2、结构不同：CPU的结构可以大致分为运算逻辑部件、寄存器部件和控制部件等。GPU，是一块高度集成的芯片，其中包含了图形处理所必须的所有元件

3、CPU是主动运行的，从手机开启开始就一直在运行，在熄屏状态CPU也在运行。而GPU是被动运行的，在CPU指派了任务之后才会开始工作，任务完成后又将沉寂等待下一个任务。

扩展资料

应用

目前智能手机屏幕越来越大，系统越来越华丽，游戏特效越来越眩目，传统手机纯CPU处理的方式已经完全不能满足现今智能手机发展的需要了。

以前的智能机，其实都是不带显示核心的，所有的软件、游戏都是由CPU进行处理，呈现在屏幕上。但是CPU的图形处理能力很低很低，这也导致了传统的智能手机玩稍微大一点的游戏往往力不从心，大型3D游戏更是成为了奢望。

随着近几年智能机的高速发展，3D加速芯片的引入为智能机的娱乐性注入了强大的生命力。有了3D加速芯片，我们可以流畅地运行各种3D游戏和3D应用程序，体验到前所未有的感觉。

早期的3D加速芯片功能比较单一，性能也比较低，仅仅只为3D程序提供一定的辅助处理作用。而随着科技的发展，现在的3D加速芯片早已演化成真正意义上的GPU（Graphic Processing Unit，图形处理器），已经不只是传统的3D加速器。

GPU不仅仅是负责必要的3D处理，准确地说，它将所有图形显示功能从CPU那里都接管了过来，并且还提供了视频播放、视频录制和照相时的辅助处理，使得CPU被大大解放，可以专心地处理纯指令，而不再需要去负责繁重的图形处理任务了。

系统的3D性能得到极大的提升。所以，手机GPU的诞生，是移动市场的一次大革命。

百度百科——CPU

百度百科——GPU

1、深度学习用cpu训练和用gpu训练的区别

（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。

（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

2、深度学习

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。

使用神经网络训练，一个最大的问题就是训练速度的问题，特别是对于深度学习而言，过多的参数会消耗很多的时间，在神经网络训练过程中，运算最多的是关于矩阵的运算，这个时候就正好用到了GPU，GPU本来是用来处理图形的，但是因为其处理矩阵计算的高效性就运用到了深度学习之中。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com