GPU 協助研究人員引發了深度學習革命浪潮，讓電腦擁有超凡的運算能力。
它們在產業標準 ImageNet 測試基準上創下突破性的結果、用在 Facebook 的 「Big Sur」深度學習運算平台，還在多個領域裡帶領深度學習技術加快出現重大進展的腳步。
GPU 成為訓練深度神經網路的利器，這些系統讓電腦能分辨圖案和物體，在某些情況下，分辨的表現比人類還出色（請見《透過 GPU 加快人工智慧運算速度：嶄新的運算模型，Accelerating AI with GPUs: A New Computing Model》一文）。
訓練這些神經網路只是開端。
結束訓練後，這些神經網路會用「推論」，即將資料進行分類而「推論」出結果。這得在受過訓練的神經網路上運行數十億次的運算，以分辨出已知的圖案或物體。透過語音來搜尋網路資料，或是自動駕駛車偵測行人都是運用此類技術的例子。
效能和能源使用效率
GPU 在這些方面的表現也是極為出色。
一篇日前發表的白皮書說明在使用 AlexNet 神經網路進行影像分類作業時， NVIDIA 的 GPU 與 Tegra SoCs 如何提供較 CPU 更優秀的效能和省電表現。
我們會不斷提高將 GPU 用在深度學習推論方面的優點。
以新推出的 NVIDIA GPU Inference Engine（GIE）為例，它是一套用在部署應用程式的高效能神經網路推論解決方案。協助開發人員針對網路、嵌入式和自動化應用項目，以最佳化的方式導入受過訓練之神經網路模型。它在 NVIDIA GPU 上還能提供速度最快的推論表現。
大型科技和網路業者投向 GPU 的懷抱
優異的效能與省電，讓大型企業者將 GPU 加速運算技術用在各種推論工作上。
Twitter 平台上每天分享著數百萬個照片、影片和 GIF 動態圖片，該公司的 Cortex 團隊使用 GPU 加速深度學習技術來即時處理海量內容，並且協助人們發現適合自己的內容。
Twitter Cortex 的工程部門經理 Kevin Quennesson 說：「比起 CPU，使用 NVIDIA GPUs 讓我們減少資本支出的費用，並且在數小時的時間內便能完成訓練 Twitter 最先進模型的作業。」
不只 Twitter 這麼做。
中國最大的公共雲端平台，也是阿里巴巴集團的雲端運算業務「阿里雲」，採用我們的 Tesla GPUs 大幅提升將深度學習技術用在影像辨識／分類，還有語音辨識方面的表現。
中國最大也是最受歡迎的電子商務平台京東，使用 GPU 加速深度學習技術來打造線上客服機器人 JIMI，協助消費者解決線上購物服務的問題。
如需更多 GPU 加速深度學習相關資訊，請至我們的網站。
特色圖片來自 Rock1997 – Own work, GFDL, https://commons.wikimedia.org/w/index.php?curid=15642389