​人工智能概述

一、人工智能应用场景

二、人工智能小案例

案例一

学习链接：https://quickdraw.withgoogle.com

案例二

学习链接：https://pjreddie.com/darknet/yolo/

案例三

学习链接：Deep Dream Generator

三、人工智能发展必备三要素

• 数据
• 算法
• 计算力

CPU，GPU，TPU

计算力之CPU、GPU对比：

• CPU主要适合I、O密集型的任务
• GPU主要适合计算密集型任务

提问：什么类型的程序适合在GPU上运行？

1、计算密集型的程序。

所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度就不说了，即便是SSD, 也实在是太慢了。　　

2、易于并行的程序。

GPU其实是一种SIMD(Single Instruction Multiple Data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。

CPU介绍：

CPU（Central Processing Unit，中央处理器）就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。

CPU的结构主要包括运算器（ALU，Arithmetic and Logic Unit）、控制单元（CU，Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。

简单来说就是：计算单元、控制单元和存储单元。

GPU介绍：

GPU全称为Graphics Processing Unit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。

为什么GPU特别擅长处理图像数据呢？

这是因为图像上的每一个像素点都有被处理的需要，而且每个像素点处理的过程和方式都十分相似，也就成了GPU的天然温床。

四、人工智能、机器学习和深度学习

人工智能和机器学习，深度学习的关系：

• 机器学习是人工智能的一个实现途径
• 深度学习是机器学习的一个方法发展而来