GPU相比FPGA可編程優(yōu)勢明顯，適應(yīng)AI快速變化需求

　　上周，在GTC19大會期間，NVIDIA加速計(jì)算產(chǎn)品管理總監(jiān)Paresh Kharya對關(guān)于GPU相比FPGA的優(yōu)勢的問題時回答表示，GPU在可編程上具備明顯優(yōu)勢，整個開發(fā)時間更短。

　　他表示稱目前做好一個FPGA，整個編程時間就要幾個月，而且還要在硬件層面對它進(jìn)行編程。然而現(xiàn)在AI變化速度非�？欤�甚至更新是以分鐘來��(jì)算的，所以必須要在軟件端實(shí)現(xiàn)高度靈活的可編程。恰恰GPU是AI領(lǐng)域的專用芯片，他的指令集是非常有優(yōu)勢的，是全可編程，并且是軟件定義的。

　　GPU的另一個優(yōu)勢在于架構(gòu)向前兼容，如果未來需要使用新硬件，可以使開發(fā)周期得到大大縮短，整個硬件可以隨著軟件不斷更新適應(yīng)，在軟件庫中可直接進(jìn)行更新。同時NVIDIA的平臺可以在任何設(shè)備上使用，包括臺式機(jī)、筆記本、服務(wù)器、數(shù)據(jù)中心、邊緣和物聯(lián)網(wǎng)。

　　而在GTC19大會的主題演講中，黃仁勛也不斷強(qiáng)調(diào)了GPU在各種應(yīng)用領(lǐng)域中相比于CPU的明顯優(yōu)勢，例如阿里的邊緣系統(tǒng)在GPU上跑，每秒可以做780次查詢，但是如果說用CPU，每秒只能做3次查詢;而在baidu采用NVIDIA AI推薦系統(tǒng)的表現(xiàn)來看，以往對于baidu龐大的用戶潛在興趣數(shù)據(jù)包的模型訓(xùn)練在CPU上成本高昂且速度慢，而GPU訓(xùn)練成本只有CPU的1/10，并且支持更大規(guī)模的模型訓(xùn)練。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時性本站不作任何保證或承諾，并請自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。