CPU GPU NPU 这些名词，你能分清楚嘛？
CPU GPU NPU 这些名词，你能分清楚嘛？
如今随着互联网和人工智能等领域的发展，面对这些海量的数据，对图形显示，深度学习等算力要求的不断提升
除了通用且被大家熟知的CPU，越来越多的“X”PU开始出现，咱也不知道以后26个字母到底还够不够用
这次就给大家介绍一下芯片原理，架构，和应用等方面来聊聊CPU，GPU和NPU
CPU：Central Processing Unit
也就是大家最熟悉的中央处理器，CPU是计算机的大脑，除了通用计算，还能指挥、协同其他的处理器工作，并完成任务
CPU的架构中，有少量但是强大的计算单元，这些单元在通用计算上和逻辑控制比较擅长
但是一旦遇到大规模并行计算，CPU就有些捉襟见肘了...
这个时候，就轮到我们的GPU上场了~
GPU：Graphics Processing Unit
GPU，就是所谓的图形处理器！也就是显卡的重要组成部分
GPU的设计是由大量的简单运算单元构成，具有大规模并行运算结构，用来执行图形处理
比如说3080ti，它就拥有10240个流处理器，特别适合同时多线程处理大量任务
这里来总结一下，CPU是通用计算，适合计算复杂，但是重复率低的工作
而GPU呢，则更适合处理一些计算简单，但是重复率高的问题
就好比，CPU像一个学霸，像一个博士，擅长处理各种难题，而GPU，就像一群小学生，只能做简单的题
面对一道微积分，博士，可以轻松搞定，而小学生们明显就无能为力了
如果问题是一百道100以内的加减法，让CPU博士来算，那CPU也只能一道一道的算
速度肯定比不过一群小学生同时计算，每人只算一两个就够了
伴随着人工智能的崛起，大家发现，在处理深度学习的网络数据时，GPU远远比CPU高效
而如今GPU越做越大，功耗也越来越高，显卡一般也贵，还不是很容易买到
于是，兼顾性能和功耗的AI专用芯片出现了...最典型的就是NPU
NPU：neural-network process units，神经网络处理器
NPU作为AI专用芯片，它是从电路层模拟人类大脑的神经元和突触功能
每一层的神经元计算结果，都会按照网络连接，依次传递到下层
使用深度学习来加速神经网络计算，所以说NPU的性能，相比较于GPU大大提升，而且非常的节能，嗯
数据显示，在相同的功耗下，NPU的性能是GPU的百倍
目前NPU被大量用于大数据分析和图像处理上，比如我们熟悉的人脸识别，超级分辨率，动作捕捉功能背后的功臣，就是NPU
手机上搭载NPU芯片，可以快速识别图像中的人物面部和周围场景，从而帮你呈现出最佳照片~
如今GPU越来越大，功耗也非常高，关键是，显卡又贵，还不容易买到。于是，兼顾性能和功耗的AI专用芯片出现了，最典型的就是NPU。作为人工智能专用芯片，它是从电路层模拟人类大脑的神经元和突触功能，每一层的神经元计算结果，都会按照网络连接，依次传递到下层继续运算，使用深度学习来加速神经网络计算，所以，NPU的性能和功耗，相比GPU大为提升，而且非常节能。数据显示，在相同功耗下，NPU性能是GPU的上百倍。NPU能拯救GPU的价格吗？
延伸阅读
【CPU购买】AMD和因特尔怎么选？优缺点大比拼 各有各的道