不用gpu如何加速神经网络

㈠ matlab2016b神经网络能不能使用gpu加速

ee philip， 可以，参看： Accelerated Training and Large Data Sets 不过我没有用过Matlab+GPU，如果是CPU多线程的话直接设置worker数量就可以了，GPU需要另外学习一套函数。

㈡ 运行神经网络的机器需要什么配置

摘要 您好~这道问题问得很好，我需要一点时间编辑答案，还请您耐心等待一下。

㈢ 如何将timit 例子不用gpu跑dnn

cudaa是英伟达的技术，主要用于深度学习功能，打造人工智能AI的。
GPU加速是很宽泛的，比如网上看视频，可以选择硬件（GPU）加速，让显卡来代替CPU计算视频音频信息，可以极大降低CPU负载。

㈣ 深度学习用cpu训练和用gpu训练有什么区别

1、深度学习用cpu训练和用gpu训练的区别

（1）CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。

（2）CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

㈤ 为什么要用GPU来训练神经网络而不是CPU

许多现代神经网络的实现基于GPU，GPU最初是为图形应用而开发的专用硬件组件。所以神经网络收益于游戏产业的发展。

中央处理器（central processing unit，简称CPU）作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。CPU自产生以来，在逻辑结构、运行效率以及功能外延上取得了巨大发展。

CPU出现于大规模集成电路时代，处理器架构设计的迭代更新以及集成电路工艺的不断提升促使其不断发展完善。从最初专用于数学计算到广泛应用于通用计算。

从4位到8位、16位、32位处理器，最后到64位处理器，从各厂商互不兼容到不同指令集架构规范的出现，CPU 自诞生以来一直在飞速发展。

冯诺依曼体系结构是现代计算机的基础。在该体系结构下，程序和数据统一存储，指令和数据需要从同一存储空间存取，经由同一总线传输，无法重叠执行。根据冯诺依曼体系，CPU的工作分为以下 5 个阶段：取指令阶段、指令译码阶段、执行指令阶段、访存取数和结果写回。

㈥ 为什么Matlab训练神经网络用不了GPU

可以用gpu加速训练，可以通过增加'useGPU'字段:train(net,P,T,'useGPU','yes');或先将数据集P,T通过函数Pgpu=gpuArray(P);Tgpu=gpuArray(T);转移到gpu内存中，再调用训练函数train(net,Pgpu,Tgpu)但是需要注意以下几点：
1，由于要在gpu上训练，网络的权重调整也会在gpu内进行，所以会占用gpu的内存，内存占用率与数据集的大小相关，可以通过下面的代码了解内存占用：
gpudev=gpuDevice；%事先声明gpudev变量为gpu设备类
%其他代码
gpudev.AvailableMemory%实时获得当前gpu的可用内存
可以通过尝试不同的数据集大小选择一个合适的数据集大小
2，大部分gpu处理double类型的数据能力并不强，所以如果想要取得较好的训练效果，需要使用single数据类型的数据集，例：
P=single(P);%将double型的P转为single型
T=single(T);%将double型的T转为single型
train(net,P,T,'useGPU','yes');
但是matlab的神经网络工具箱的一个函数可能有bug，在gpu上运行double变量的数据集时没有问题，但运行single变量时可能会弹出如下错误：
Error using gpuArray/arrayfun
Variable xx changed type.
修复该问题需要在源文件上作一些修改，具体内容这里没法三言两语说清楚，如果遇到该问题可以留言
经过本人测试，single型的数据集在gpu上可以取得数十倍的加速，具体加速情况与具体gpu型号有关

㈦ Matlab 里的神经网络 可以直接使用Nvidia的GPU加速吗

ee philip，
可以，参看：
Accelerated Training and Large Data Sets
不过我没有用过Matlab+GPU，如果是CPU多线程的话直接设置worker数量就可以了，GPU需要另外学习一套函数。

㈧ 深度卷积神经网络必须用gpu加速么

不一定，但gpu往往比cpu快数十倍。
cpu速度也是非常快的，根据cpu核心数适当开多线程可以成倍提升速度。
望采纳

㈨ CUDA到底是啥是云计算吗为什么神经网络一定要CUDA 来做AMD不可以搞神经网络吗

CUDA是并行计算工具，神经网络规模大的时候必须使用GPU等并行工具来加速，普通AMD跑说不定得跑十几天，而用GPU的话也许一天就跑完了