深度学习中，CPU、GPU、NPU、FPGA如何发挥优势？

随着AI的广泛应用，深度学习已成为当前AI研究和运用的主流方式。面对海量数据的并行运算，AI对于算力的要求不断提升，对硬件的运算速度及功耗提出了更高的要求。 目前，除通用CPU外，作为硬件加速的GPU、NPU、FPGA等一些芯片处理器在深度学习的不同应用中发挥着各自的优势，但孰优孰劣？ 以人脸识别为例，其处理基本流程及对应功能模块所需的算力分布如下： 为什么会有这样的应用区分？ 意义在哪里？ 想要

>>阅读原文<<