首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >机器学习(一):人工智能概述

机器学习(一):人工智能概述

原创
作者头像
Lansonli
发布2023-02-01 10:27:46
6950
发布2023-02-01 10:27:46
举报
文章被收录于专栏:Lansonli技术博客Lansonli技术博客

人工智能概述

一、人工智能应用场景

二、人工智能小案例

案例一

学习链接:https://quickdraw.withgoogle.com

案例二

学习链接:https://pjreddie.com/darknet/yolo/

案例三

学习链接:Deep Dream Generator

三、人工智能发展必备三要素

  • 数据
  • 算法
  • 计算力

CPU,GPU,TPU

计算力之CPU、GPU对比:

  • CPU主要适合I、O密集型的任务
  • GPU主要适合计算密集型任务

提问:什么类型的程序适合在GPU上运行?

1、计算密集型的程序。

所谓计算密集型(Compute-intensive)的程序,就是其大部分运行时间花在了寄存器运算上,寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延时。可以做一下对比,读内存的延迟大概是几百个时钟周期;读硬盘的速度就不说了,即便是SSD, 也实在是太慢了。  

2、易于并行的程序。

GPU其实是一种SIMD(Single Instruction Multiple Data)架构, 他有成百上千个核,每一个核在同一时间最好能做同样的事情。

CPU介绍:

CPU(Central Processing Unit,中央处理器)就是机器的“大脑”,也是布局谋略、发号施令、控制行动的“总司令官”。

CPU的结构主要包括运算器(ALU,Arithmetic and Logic Unit)、控制单元(CU,Control Unit)、寄存器(Register)、高速缓存器(Cache)和它们之间通讯的数据、控制及状态的总线。

简单来说就是:计算单元、控制单元和存储单元。

GPU介绍:

GPU全称为Graphics Processing Unit,中文为图形处理器,就如它的名字一样,GPU最初是用在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上运行绘图运算工作的微处理器。

为什么GPU特别擅长处理图像数据呢?

这是因为图像上的每一个像素点都有被处理的需要,而且每个像素点处理的过程和方式都十分相似,也就成了GPU的天然温床。

四、人工智能、机器学习和深度学习

人工智能和机器学习,深度学习的关系:

  • 机器学习是人工智能的一个实现途径
  • 深度学习是机器学习的一个方法发展而来

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • ​人工智能概述
    • 一、人工智能应用场景
      • 二、人工智能小案例
        • 三、人工智能发展必备三要素
          • 四、人工智能、机器学习和深度学习
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档