深度學習中，CPU、GPU、NPU、FPGA如何發揮優勢？

隨着AI的廣泛應用，深度學習已成爲當前AI研究和運用的主流方式。面對海量數據的並行運算，AI對於算力的要求不斷提升，對硬件的運算速度及功耗提出了更高的要求。 目前，除通用CPU外，作爲硬件加速的GPU、NPU、FPGA等一些芯片處理器在深度學習的不同應用中發揮着各自的優勢，但孰優孰劣？ 以人臉識別爲例，其處理基本流程及對應功能模塊所需的算力分佈如下： 爲什麼會有這樣的應用區分？ 意義在哪裏？ 想要

>>阅读原文<<