浅谈CPU,GPU,TPU,DPU,NPU,BPU

最新推荐文章于 2025-03-10 10:24:46 发布

转载最新推荐文章于 2025-03-10 10:24:46 发布 · 307 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/eustoma/p/9858572.html

文章标签：

#人工智能

https://www.sohu.com/a/191538165_777155

A12宣传的每秒5万亿次运算，用计算机语言描述就是5Tops。

麒麟970 NPU，根据资料是 1.92Tops。

麒麟980 NPU，提升是970的120%，也就是1.92TopsX2.2=4.23Tops。

A11大约0.6Tops，官方宣称8核也就是0.6X8=4.8约等于5Tops，没有虚假宣传。

其他soc没有NPU都是利用其他gpu进行神经网络计算，就不统计了。

GTX1080是FP32的计算能力，也就是32位浮点，NPU一般是16位浮点，所以NPU对于玩游戏没有什么用，只能做CNN等人工智能。

总结，A12确实是最强大的NPU，但是没有强大到秒杀980的地步。

昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌和英伟达。昇腾910半精度（FP16）运算能力为256TFLOPS，整数精度（INT8）512TOPS，支持128通道全高清视频解码（H.264/265），最大功耗350W。

https://www.leiphone.com/news/201704/bR0Ifw7coWSErOpP.html?_t=t

转载于:https://www.cnblogs.com/eustoma/p/9858572.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30906701

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

入门篇，带你了解CPU, GPU, TPU, NPU, DPU

qq_53545309的博客

07-19

3429

CPU是计算机系统的核心，负责执行操作系统和应用程序的指令。它由多个核心组成，每个核心可以独立执行任务。CPU的设计重点是处理复杂的逻辑运算和顺序任务，如分支预测、指令调度等。现代CPU通常包含多个层级的缓存（如L1、L2和L3缓存），以减少访问主存储器的延迟。CPU的架构设计如超标量（Superscalar）、乱序执行（Out-of-Order）和多线程（Multi-threading）等，都是为了提高其处理效率。

【科普系列】AI芯片：CPU GPU TPU DPU NPU BPU简介

若北辰

11-26

4155

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块需要注意：其他非计算任务仍由CPU负责GPU 图形处理器（graphics processing unit，缩写：GPU）FPGA 现场可编程逻辑门阵列（Field Programmable Gate Array，缩写：FPGA）ASIC 专用集成电路(Application Specific Integrated Circuit，缩写：ASIC)所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）

参与评论您还未登录，请先登录后发表或查看评论

通俗易懂告诉你CPU/GPU/TPU/NPU...都是什么意思？

最新发布

Maryhuan的博客

03-10

2613

CPU、GPU、DPU、NPU，它们就像算力时代的四大引擎，推动着科技的进步和社会的发展。相信在未来，它们将继续演进，为我们带来更多惊喜和可能。

BPU, CPU, DPU, GPU, IPU, MCU, MPU, NPU, SoC,TPU 区别

u013669912的博客

09-02

3006

……

CPU,GPU,TPU,NPU都是什么？

胭脂草的ABC博客

08-15

2005

什么是CPU? 中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令，对指令译码并执行指令的核心部件。中央处理器主要包括两个部分，即控制器、运算器，其中还包括高速及实现它们缓冲处理器之间联系的数据、控制的总线。电子计算机三大核心部件就是CPU、内部存储器、输入/输出设备。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。在计算机体系结构中，CPU 是对计算机的所有硬件资源（如存储器、输入输出单

什么是CPU、GPU、TPU、DPU、NPU、BPU？有什么区别？

song_myth的博客

11-20

1万+

哦，对了，Nervana 的 CEO 在创立 Nervana 之前，在高通负责一个神经形态计算的研究项目，就是上面提到的 Zeroth。「解读脑电波」，「意念交流」，永恒的科幻话题。有一点需要强调，虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码**、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。

什么是CPU,GPU,TPU,DPU,NPU,BPU

cumtchw

08-13

1万+

1.CPU 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，架构如下图所示：从字面上我们也很好理解，计算单元主要执行算术运算、.

【硬核解析】CPU、GPU、TPU究竟有何不同

码上飞扬的博客

06-05

1083

结语：理解了CPU、GPU和TPU的不同之处和适用场景，开发者可以更加精准地选择合适的计算资源，以优化其项目的性能和效率。今天，我们将深入探讨三种不同类型的处理器——CPU、GPU和TPU——它们各自的特性、优势、应用场景以及如何革新我们的技术世界。结合这三者的定义、特性和应用案例，我们不难发现，计算技术的发展正日渐细分且专化，未来的计算架构和应用场景也将更加多元和丰富。万能的计算大脑 CPU，作为计算机系统的核心，承担着执行程序的任务，包括基本的算术、逻辑、控制和输入/输出操作等指令的处理。

CPU、GPU和TPU有什么区别

YiHanXii的博客

03-19

2096

CPU：适合复杂逻辑处理和多任务处理，是通用计算的核心。GPU：适合大规模并行计算，特别是在图形处理和某些科学计算领域。TPU：专为深度学习设计，提供高效的神经网络计算性能。在选择处理器时，应根据具体的计算需求和应用场景来决定使用哪种类型的处理器。

CPU vs GPU vs TPU，AI算法该如何选择？

qingkahui24689的博客

09-24

1576

随着人工智能模型的不断发展和复杂化，对计算资源的需求也不断增加。探索不同硬件之间的协同作用，是推动人工智能技术发展的重要一环。本文充分对比了CPU、GPU和TPU在不同AI应用中的性能优势，希望能对各位读者有所帮助。今天我们继续来聊一下人工智能生态相关技术 - 用于加速构建 AI 核心算力的技术：CPU、GPU 以及 TPU。人工智能（AI）和机器学习（ML）技术的飞速发展，正深刻地改变着我们的生活和工作方式。为了满足日益复杂的 AI 应用对计算能力的迫切需求，半导体行业正经历着一场前所未有的变革。

GPU、TPU、DPU、BPU、NPU分别是什么，有哪些区别

恒创科技Henghost

04-17

2000

DPU通常具有高性能的网络接口和存储接口，以及强大的安全功能，这使得它成为数据中心和云计算等领域的理想选择。DPU的主要优势在于其针对数据处理任务的优化和卸载能力，能够减轻CPU的负担并提高系统的整体性能。NPU的主要优势在于其针对神经网络推理任务的优化和计算能力，能够提供更快的推理速度和更高的准确性。BPU的主要优势在于其针对生物信息学任务的优化和计算能力，能够提供更快的分析速度和更高的准确性。随着技术的不断发展和进步，这些处理器的性能和功能也将不断提升和优化，为未来的计算应用提供更加坚实的基础和支撑。

四大计算王者争霸战：CPU、GPU、TPU、NPU核心优势与应用对决

java专栏

05-07

914

在深入探讨CPU、GPU、TPU、NPU之前，需要明确一点，由于这些是硬件组件，我们无法直接提供代码来“展示”它们的工作原理，但可以详细解释它们的功能、应用场景，并通过代码示例来说明如何在软件层面与它们交互。

npu、gpu、dpu

01-18

NPU、GPU和DPU都是计算机领域中常见的处理器类型。 NPU（神经网络处理器）是一种专门用于执行人工神经网络计算的处理器。它通常用于进行深度学习和机器学习任务，如图像识别、语音识别和自然语言处理。NPU具有高效的并行计算能力和低功耗特性，能够加速神经网络模型的训练和推理过程。 GPU（图形处理器）是一种专门用于处理图形和图像计算的处理器。它最初是为了加速图形渲染而设计的，但后来也被应用于科学计算、数据挖掘和深度学习等领域。GPU具有大量的并行处理单元，能够高效地处理大规模数据并执行复杂的计算任务。 DPU（数据处理器单元）是一种专门处理数据和网络流量的处理器。它通常用于加速数据中心内部的数据处理和流量管理，包括数据压缩、加密解密、数据包处理和网络协议转换等任务。DPU具有高速的数据处理能力和低延迟特性，能够提升数据中心的性能和效率。总的来说，NPU、GPU和DPU都是以不同的方式专门设计和优化的处理器，用于加速特定类型的计算任务。它们在人工智能、图像处理、科学计算和数据中心等领域都扮演着重要的作用。