Machine learning 为什么GPU在处理深度学习时比CPU发挥更大的作用？

在大多数情况下，我在深入学习中处理任何执行部分时都会遇到GPU

这与GPU体系结构与CPU有关。事实证明，游戏需要大量的矩阵乘法，因此GPU架构针对这些类型的操作进行了优化，特别是针对高速浮点运算进行了优化。更多关于这个

碰巧的是，神经网络主要是矩阵乘法

例如：

---

是具有一个隐藏层的简单神经网络的数学公式。W_h是一个权重矩阵，它乘以输入x，我们在其中添加一个偏差b_h。线性方程W_hx+b_h可压缩为单个矩阵乘法。sigma是一种类似于sigmoid的非线性激活。外S形也是矩阵乘法。因此，GPU

我在出于好奇而对这个问题投赞成票和因为它包含的研究/信息太少而对它投反对票之间左右为难。这个问题有建设性吗？我不知道。我决定投下一票。矩阵乘法。谢谢@vega@S.P如果您觉得这回答了您的问题，请将其检查为回答：）