GPU 已经帮助研究人员引发了一场深度学习革命，赋予了计算机超越人类的能力。
GPU 帮助研究人员在行业标准 ImageNet 基准上取得了突破性成果，助力 Facebook 推出了“Big Sur”深度学习计算平台，还在许多领域中推动深度学习取得了重大进展。
GPU 现已成为训练深度神经网络的重要技术。计算机可以使用这些系统像人类那样识别图案和物体，有些情况下甚至超过了人类（请参阅“通过 GPU 加快人工智能的发展：新型计算模型”）。
训练这些网络只是开始。
训练完成后，将部署这些网络以进行“推理”，即对数据进行分类以“推理”出结果。这要根据已经训练的网络进行高达数十亿次的运算，来识别已知的图案或物体。想想自动驾驶汽车中启用声音的互联网搜索和行人检测功能。
性能和能效
GPU 也可以在这一方面带来很大的益处。
新版白皮书展示了在使用 AlexNet 神经网络进行图像分类时，NVIDIA GPU 和我们的 Tegra SoC 如何实现比 CPU 更高的性能和能效。
我们将继续增加 GPU 在深度学习推理方面带来的益处。
以我们全新的 NVIDIA GPU Inference Engine (GIE) 为例。这是一种用于应用程序部署的高性能神经网络推理解决方案。它可以帮助开发人员针对网页、嵌入式和自动应用程序为经过训练的神经网络模型生成优化的实施。它也可以在 NVIDIA GPU 上实现超快的推理性能。
主要的科技和网络公司纷纷采用 GPU
因此，大型组织都利用 GPU 加速计算来解决各种推理工作。
Twitter 用户每天都会分享海量内容，其中包括数以百万计的图片、视频和 GIF 图片。该公司的 Cortex 团队通过使用 GPU 加速深度学习技术来实时处理这些海量内容，帮助用户发现适合他们的内容。
Twitter Cortex 的工程部经理 Kevin Quennesson 说：“相比 CPU，使用 NVIDIA GPU 有助于我们节约资本支出。它还可以帮助我们在几小时之内便训练出 Twitter 最先进的模型。”
但 Twitter 并不是一个个例。
阿里巴巴集团的云计算业务阿里云是中国最大的公共云平台，在测试使用我们的 Tesla GPU 时，阿里巴巴发现我们在图片识别/分类和语音识别方面可大幅提升深度学习性能。
京东是中国最大、最流行的直接销售型电子商务商家，他们使用 GPU 加速深度学习技术来打造 JIMI，这是一种在线客服机器人，可以帮助客户解决他们在享受在线服务时遇到的问题。
如果您想要了解有关 GPU 加速深度学习技术的更多信息，请访问我们的网站。
精选图片来源：Rock1997 – Own work, GFDL, https://commons.wikimedia.org/w/index.php?curid=15642389