GPU处理器具有的特征有哪些？

　　GPU处理器可以加快计算速度，可以将应用程序计算密集型部分的工作量转移到GPU，而CPU仍然运行程序代码的剩余部分。从用户的角度来看，应用的运行速度明显加快。

　　GPU与CPU性能的比较与关系：

　　理解GPU和CPU区别的一个简单方法是比较它们处理任务的方式。CPU是由几个针对顺序串行处理进行优化的内核组成，而GPU是由数千个更小、更高效的内核组成的大规模并行计算架构，设计用于同时处理多个任务。CPU是一个优异的调控者，功能很多。其优势在于调度、管理、协调能力强，其次是计算能力。GPU处理器相当于一个拥有大量计算能力的员工，由CPU调度。

　　GPU处理器具有以下特征：

　　1.提供了多核并行计算的基本结构，核数非常大，可以支持大量数据的并行计算。并行计算或并行计算是相对于串行计算的。它是一种可以一次执行多条指令的算法，目的是通过扩大问题求解的规模来提高计算速度，解决大型复杂的计算问题。

　　2.有更高的内存访问速度。

　　3.更高的浮点计算能力。浮点计算能力是与处理器的多媒体和3D图形处理相关的重要指标。在目前的计算机技术中，由于大量多媒体技术的应用，浮点数的计算大大增加，例如3D图形的渲染。因此，浮点运算能力是检验处理器计算能力的重要指标。这三个特点非常适合深度学习。

　　如何充分发挥GPU的大数据处理能力

　　GPU处理器只是显卡的核心部件，不能单独工作。它还需要缓存来帮助它工作。独立显卡直接与显卡电路板上的GPU焊接，显卡电路板上有冷却风扇供其独立使用。集成显卡就是把GPU和CPU放在一起，共享缓存工作，共享一个散热风扇。

　　计算机处理一大块数据比逐个处理更有效，执行指令的成本也会大大降低，因为处理一大块数据意味着需要更多的晶体管并行工作。现在旗舰显卡都是几十亿甚至更多的晶体管。所以为了用GPU处理器做大数据处理，至少目前没有单独的GPU板可用。只能购买GPU性能优异的超级独立显卡或集成卡中GPU处理器性能优异的主板。