深度學(xué)習(xí)是人工智能 (AI) 中發(fā)展迅速的領(lǐng)域之一，可幫助計算機理解大量圖像、聲音和文本形式的數(shù)據(jù)。利用多層次的神經(jīng)網(wǎng)絡(luò)，現(xiàn)在的計算機能像人類一樣觀察、學(xué)習(xí)復(fù)雜的情況，并做出相應(yīng)的反應(yīng)，有時甚至比人類做得還好。這樣便提供了一種截然不同的方式，用于思考數(shù)據(jù)、技術(shù)以及人類所提供的產(chǎn)品和服務(wù)。

工業(yè)與學(xué)術(shù)界的數(shù)據(jù)科學(xué)家已將 GPU 用于機器學(xué)習(xí)以便在各種應(yīng)用上實現(xiàn)開創(chuàng)性的改進，這些應(yīng)用包括圖像分類、視頻分析、語音識別以及自然語言處理等等。 尤其是深度學(xué)習(xí)，人們在這一領(lǐng)域中一直進行大力投資和研究。深度學(xué)習(xí)是利用復(fù)雜的多級「深度」神經(jīng)網(wǎng)絡(luò)來打造一些系統(tǒng)，這些系統(tǒng)能夠從海量的未標(biāo)記訓(xùn)練數(shù) 據(jù)中進行特征檢測。 

雖然機器學(xué)習(xí)已經(jīng)有數(shù)十年的歷史，但是兩個較為新近的趨勢促進了機器學(xué)習(xí)的廣泛應(yīng)用: 海量訓(xùn)練數(shù)據(jù)的出現(xiàn)以及 GPU 計算所提供的強大而高效的并行計算。  人們利用 GPU 來訓(xùn)練這些深度神經(jīng)網(wǎng)絡(luò)，所使用的訓(xùn)練集大得多，所耗費的時間大幅縮短，占用的數(shù)據(jù)中心基礎(chǔ)設(shè)施也少得多。  GPU 還被用于運行這些機器學(xué)習(xí)訓(xùn)練模型，以便在云端進行分類和預(yù)測，從而在耗費功率更低、占用基礎(chǔ)設(shè)施更少的情況下能夠支持遠比從前更大的數(shù)據(jù)量和吞吐量。

將 GPU 加速器用于機器學(xué)習(xí)的早期用戶包括諸多規(guī)模的網(wǎng)絡(luò)和社交媒體公司，另外還有數(shù)據(jù)科學(xué)和機器學(xué)習(xí)領(lǐng)域中一流的研究機構(gòu)。 與單純使用 CPU 的做法相比，GPU 具有數(shù)以千計的計算核心、可實現(xiàn) 10-100 倍應(yīng)用吞吐量，因此 GPU 已經(jīng)成為數(shù)據(jù)科學(xué)家處理大數(shù)據(jù)的處理器。

強大的深度學(xué)習(xí)解決方案，從訓(xùn)練到推理均可適用