為什么CPU主頻比FPGA快那么多，但是卻說FPGA可以加速？首先，F(xiàn)PGA這個詞因為人工智能的炒作而為公眾所熟知，但也被誤解了。FPGA全稱是現(xiàn)場可編程門陣列，它可以做很多事情，有很多種。近年來，加

為什么CPU主頻比FPGA快那么多，但是卻說FPGA可以加速？

首先，F(xiàn)PGA這個詞因為人工智能的炒作而為公眾所熟知，但也被誤解了。FPGA全稱是現(xiàn)場可編程門陣列，它可以做很多事情，有很多種。近年來，加速技術(shù)是指用FPGA進行深度學(xué)習(xí)或圖形處理。GPU和GPU之間的區(qū)別可以被非專業(yè)人士理解為GPU是一種更加集成和定制的FPGA。事實上，GPU和ISP公司通常在芯片帶出之前對FPGA進行流式處理。它的硬件可編程性和低成本使其在研發(fā)階段發(fā)揮了重要作用。

說到加速，它是關(guān)于并發(fā)性和順序的。FPGA和CPU處理不同的事情。CPU運行一個程序。程序之所以被稱為程序，是因為它有一個順序問題：先做什么，然后做什么。不管有多少層次的流水線，多少CPU內(nèi)核，多少線程，基準(zhǔn)都是不能打亂指令的執(zhí)行順序的。用于深度學(xué)習(xí)的FPGA可以這樣理解。你有一張256x256像素的彩色圖片。FPGA是一塊256x256像素的純紅色玻璃板。你把畫貼在玻璃板上，透過玻璃板看。你只看到紅色。這個過程是并行的。你只需要做一個動作，那就是把畫貼在木板上。所有的要點都變了。沒有順序?？梢酝瑫r處理這些點。這種任務(wù)可以是并發(fā)的。如果這個問題是由CPU來處理的，那么無論程序是如何編寫的，您總是必須遍歷每個點。時間復(fù)雜度是O（1）和O（256x256）之間的差。適用場景不同，無法比較。

如何寫出比MATLAB更快的矩陣運算程序？

如果禁用了MATLAB，則只能使用Python。

Python優(yōu)于Matlab的優(yōu)點：1。通用編程語言，除了科學(xué)計算之外，它還可以做很多其他的事情，比如web。2字符串運算比MATLAB更方便。請注意，即使是科學(xué)研究也常常是在弦上進行的。典型的結(jié)果是，許多人開始放棄Perl，轉(zhuǎn)而使用Python進行生物信息學(xué)分析，而MATLAB盡管有其生物信息學(xué)工具箱，卻毫無用處。對不起，我不知道你要從事哪個領(lǐng)域的科學(xué)研究。此示例可能不適用于您3。免費的。如果你不花很多錢去買盜版的MATLAB，你在發(fā)送文章時應(yīng)該小心。但是Python沒有這個問題。MATLAB相對于Python的優(yōu)勢：1。矩陣運算非常方便。我沒有發(fā)現(xiàn)任何語言運算矩陣比MATLAB更好，Python numpy也不是。2運行程序后，可以在工作區(qū)中查看結(jié)果，以便于進一步觀察。但是Python似乎可以通過特殊的包來實現(xiàn)這一點。我從沒試過，但我不知道。三。在某些特定領(lǐng)域，matlab工具箱更可靠。畢竟，敢賣這么貴，沒有干貨是不夠的。許多Python包的源代碼非常復(fù)雜，比如numpy當(dāng)然是值得信賴的，但是很難說您是否可以在Internet上下載包。

CUDA運算速度和顯卡CUDA核心數(shù)量關(guān)系大嗎？

（對于專業(yè)圖形卡，不討論游戲卡，因為科學(xué)計算能力被閹割了。）CUDA內(nèi)核（即流處理器）的數(shù)量直接影響CUDA計算的速度。

數(shù)字越多，相同頻率下的計算能力越好。當(dāng)然，如果頻率和芯數(shù)相同，頻率越高，計算速度越快。對計算速度的間接影響是架構(gòu)，即執(zhí)行效率。