刚开始接触深度学习概念时，基本大多数时候也就提到GPU，也基本是用GPU来进行深度学习算法训练或部署人脸识别系统的。

近几年，随着人工智能(尤其是人脸识别)的爆炸式发展，诞生了许多新的东西，其中这芯片，就让很多人都摸不着头脑。

除了CPU，GPU之外，还有TPU，NPU等，真的是CPU/GPU/TPU/NPU傻傻分不清楚啊。

今天，闻西就来帮大家理理这些让人分不清楚的芯片到底都是啥？怎么区别它们？

CPU

CPU是大家听到得最多的。

CPU英文全称是Central Processing Unit，中文全称是*处理器，是计算机的核心器件，CPU通常由三个部分组成：计算单元、控制单元和存储单元。

架构图如下：

是不是看不懂？看不懂就对了，下面这张图才是帮助你理解的：

GPU

GPU全称是Graphics Processing Unit，中文全称叫图形处理器，它也是由三个部分组成：计算单元、控制单元和存储单元。
我们继续沿用上面CPU架构图用来表示各个单元的颜色来表示下GPU架构(黄色用来表示控制单元，绿色用来表示计算单元，橙色用来表示存储单元)，如下：

这妥妥是个CPU变种啊！

我们把CPU和GPU的架构图放在一起比较下，看看有啥区别：

CPU这边起码30%都是用在了控制单元，各个单元占比还算均衡，而GPU就夸张了，80%以上都用在了计算单元，偏科有点严重啊。

正是由于这种区别，导致CPU精于控制和复杂运算，而GPU精于简单且重复的运算。

另外CPU和GPU还有一个最大的区别：CPU是顺序执行运算，而GPU是可以大量并发的执行运算，通俗的说就是CPU做事情是一件一件来做，而GPU是很多件事情同时做。

但很多件事情同时做，一定是简单的事情，就像一个人一样，我们没法同时做两件复杂的事情。

借用知乎上某大神的说法，就像你有个工作需要计算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已；而CPU就像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个？

GPU就是用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生A和小学生B的工作没有什么依赖性，是互相独立的。

但有一点需要强调，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、密码破解、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。

上面我们提到的CPU和GPU都是通用芯片。

但古语有云：工欲善其事必先利其器。

一块石头，是通用的，但如果我专门打磨打磨，让它变成锋利的，是不是就可以用来切割东西了呢？

有了这个概念后，对于TPU，NPU等等众多的PU们，你把它们当成都是专门打磨过的石头，就很好理解了。

TPU

自从谷歌的AlphaGo打败李世石之后，谷歌在人工智能界的知名度也越来越大了，于是谷歌推出了它们的深度学习框架TensorFlow，这个深度学习框架也就此扬名世界。

有了好的算法框架，就得要有硬件来支持啊，传统的GPU行吗？

当然行，可是它毕竟是块通用的石头，要是打磨打磨就好了。

于是针对谷歌的深度学习框架TensorFlow专门定制的芯片诞生了，英文全称就叫Tensor Processing Unit，翻译为中文就是张量处理单元，它到底有多牛呢？比较下你就知道了：

TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。

吼吼，这可不是一丁点的效率提升，是大大的提升。

NPU

NPU英文全称是Neural network Processing Unit， 中文叫神经网络处理器。

神经网络是个啥？

神经网络就是你大脑里面的神经元连接成的网络，错综复杂，据说越复杂越聪明，当然太复杂了，就成神经病了。

而这个NPU，即神经网络处理器，就是要模仿人的大脑神经网络，使之具备智能。

怎么模仿呢？

NPU工作原理是在电路层模拟人类神经元和突触，并且用深度学习指令集直接处理大规模的神经元和突触，一条指令完成一组神经元的处理。相比于CPU和GPU，NPU通过突触权重实现存储和计算一体化，从而提高运行效率。

其他PU们

顺着这个套路，感觉妈妈再也不用担心我的PU了。

APU — Accelerated Processing Unit, 加速处理器，AMD公司推出加速图像处理芯片产品。

BPU — Brain Processing Unit, 地平线公司主导的嵌入式处理器架构。

CPU — Central Processing Unit *处理器， 目前PC core的主流产品。

DPU — Deep learning Processing Unit, 深度学习处理器，最早由国内深鉴科技提出；另说有Dataflow Processing Unit 数据流处理器， Wave Computing 公司提出的AI架构；Data storage Processing Unit，深圳大普微的智能固态硬盘处理器。

FPU — Floating Processing Unit 浮点计算单元，通用处理器中的浮点运算模块。

GPU — Graphics Processing Unit, 图形处理器，采用多线程SIMD架构，为图形处理而生。

HPU — Holographics Processing Unit 全息图像处理器， 微软出品的全息计算芯片与设备。

IPU — Intelligence Processing Unit， Deep Mind投资的Graphcore公司出品的AI处理器产品。

MPU/MCU — Microprocessor/Micro controller Unit， 微处理器/微控制器，一般用于低计算应用的RISC计算机体系架构产品，如ARM-M系列处理器。

NPU — Neural Network Processing Unit，神经网络处理器，是基于神经网络算法与加速的新型处理器总称，如中科院计算所/寒武纪公司出品的diannao系列。

RPU — Radio Processing Unit, 无线电处理器， Imagination Technologies 公司推出的集合集Wifi/蓝牙/FM/处理器为单片的处理器。

TPU — Tensor Processing Unit 张量处理器， Google 公司推出的加速人工智能算法的专用处理器。目前一代TPU面向Inference，二代面向训练。

VPU — Vector Processing Unit 矢量处理器，Intel收购的Movidius公司推出的图像处理与人工智能的专用芯片的加速计算核心。

WPU — Wearable Processing Unit， 可穿戴处理器，Ineda Systems公司推出的可穿戴片上系统产品，包含GPU/MIPS CPU等IP。

XPU — 百度与Xilinx公司在2017年Hotchips大会上发布的FPGA智能云加速，含256核。

ZPU — Zylin Processing Unit, 由挪威Zylin 公司推出的一款32位开源处理器。

这么下去感觉26个字母完全不够用啊，话说以后PU们会不会长的跟车牌一样了呢？
比如：XZAYPU，嗯，我看就差加个粤B在前面了。
以后妈妈可能还是要担心我的PU了！