Français
Menu

CPU et architecture

Quelle est la principale raison pour laquelle les GPU conviennent aux calculs matriciels et à l'entraînement et l'inférence en IA ?

  1. ALeur fréquence d'horloge est plus de 100 fois celle d'un CPU
  2. BIls disposent de nombreuses unités de calcul simples et traitent de grandes quantités de données en parallèle
  3. CIls n'ont pas de mémoire
Afficher la réponse et l'explication

Réponse : B. Ils disposent de nombreuses unités de calcul simples et traitent de grandes quantités de données en parallèle

Le GPU, conçu à l'origine pour traiter simultanément de nombreux pixels d'écran, aligne des milliers à plus de 10 000 unités de calcul simples. Pour les traitements qui répètent le même calcul sur de grandes quantités de données, comme le calcul matriciel, ce parallélisme offre des performances élevées. Les GPU récents intègrent des unités dédiées au calcul matriciel (Tensor Core, etc.) et de la HBM à large bande passante, et sont devenus les principaux acteurs de l'entraînement en IA. Les traitements séquentiels riches en branchements restent le point fort du CPU.

S'entraîner sur ce thème Retour au thème

Autres questions sur CPU et architecture

  1. Avec un temps d'accès au cache de 10 ns, un temps d'accès à la mémoire principale de 100 ns et un taux de succès du cache de 90 %, quel est le temps d'accès moyen ?
  2. Dans un circuit CMOS, si seule la tension d'alimentation est divisée par deux, toutes choses égales par ailleurs, comment évolue la puissance dynamique ?
  3. Que désignent principalement les noms ARM, x86 et RISC-V ?
  4. Quelle caractéristique de RISC-V est correcte ?
  5. Comment appelle-t-on l'architecture de processeur qui émet et exécute simultanément plusieurs instructions par cycle d'horloge ?

Comparatifs sur ce thème