1樓：Lanking
原因有很多，先不說處理器效能。我們來搞一下模型本身。如果你的輸入輸出都能做到飽和而不是瓶頸，那麼在處理和顯示卡上能體現出區別，否則你可能會覺得差不多。
那麼如果能做到上面的這些，如果你的模型用了RNN或者大量LSTM結構，在feature大小不大的情況下會感覺GPU些許比CPU要快，然後效能提公升不是很明顯。主要是迴圈結構可能沒辦法並行加速，模型本身的設計短板在這裡，再好的卡效能提公升也都很困難...
如果是CNN這類的，現在cuda優化很好的，直接效能快5-10倍輕輕鬆鬆的... 然後更好的卡快的越明顯... 大家都在對特定的運算元優化提公升效能。
總的來說，如果你所使用的運算元在cpu/gpu上沒有特異性優化，效能提公升不會很明顯...
2樓：啊啊啊啊啊啊
無窮大吧。
因為，網路稍微深度一點，cpu壓根沒法算，上次我訓練乙個resnet，兩個小時迭代一次。。。 所以效能之差是無窮大。
3樓：lulululalala
首先，你應該說的是CPU和gpu的差距，如果是常見的框架比如TensorFlow，pytorch，Keras等，兩者速度相差極大，幾十倍都是有可能的。
dl嚴格來說屬於ml，經典ml所需的計算量比較小，如果訓練的dl模型比較小，計算量也不大，也會導致gpu的利用率不高，二者差距可能也就幾倍。
跟研究生舍友同乙個導師或者在同乙個實驗室是什麼體驗？
啊lala 第一次回答問題，有點小緊張，嘿嘿。我和舍友一入校就發現自己想選的導師是乙個，當時還沒面試，我們兩個就和導師說是乙個宿舍的要不要一起面，哈哈哈哈。後面分開面試了，老師還分別問，要是只要了你舍友不要你會怎麼樣。當時我們兩個剛入校才見了一天，回答完全不同，我覺得她選上我沒上是因為她優秀，而她一...
考研室友和你考同乙個大學同乙個專業？
落辰 如果ta比你優秀 比你更加上進，你不妨主動提出與ta一起努力，有困難互相照應一下，多交流一下學習期間的經驗。如果ta意志不堅定 做事拖沓 沒什麼理想，那你選擇乙個人奮鬥會更好，回到寢室盡量不要再學習，也不要聽ta或者其他室友說些沒用的話，保證自己良好的心態。當然有時候和室友簡單聊聊，可以緩解壓...
同乙個物種不同品種間同乙個基因的鹼基序列完全相同嗎？相似度會達到多少？
鐘文 分子生物學實驗想拿到乙個蛋白，常用的基因序列不外乎human,rat,mouse,monkey等模式生物的cDNA文庫，在此之前你得去multi alignment各個物種的序列，構建進化樹來確定這個基因的conserve程度。同乙個物種不同品種，比如說同乙個物種的monkey，不同品種比如說...