功能特性
作为新兴的应用领域，深度学习（Deep Learning）是近年来机器学习的热点，在图像识别、语音识别等领域取得了突破性进展，其应用模式采用大数据+深度神经网络模型相结合，以GPU集群方式对数据或深度网络模型进行并行化，加速程序执行效率。利用GPU来加速深度学习，训练深度学习网络，可以充分发挥GPU数以千计计算核心的高效并行计算能力，在使用海量数据训练数据场景下，所耗费时间大幅缩短，占用的服务器也更少。采用GPU集群作为基础架构搭建深度学习/机器学习平台，已成为目前该领域首选解决方案，并广泛应用于互联网行业。
GPU在高性能计算领域的使用，使得CPU不再是计算芯片的唯一选择。与CPU相比，GPU具有更强大的计算能力（目前NVIDIA最新V100具有5120个CUDA核心，640个Tensor核心），任务处理模式更为简单，逐渐应用于高性能计算的各领域，助力行业快速发展。GPU以其强大的计算能力，吸引用户采用GPU加速应用程序的执行效率，同时GPU还具有成本低、性能高、功耗小等优势，降低用户的整体拥有成本。