Regular Member
加入日期: Oct 2017
文章: 86
|
電腦多問題請教
十多年沒組電腦,很多都不知道,也不懂怎麼用AI…
1.請問NPU是要連網上雲端才能做AI方面嗎? 2.對AMD超頻沒什麼概念,很多溫度功耗等名詞設定等都不太了解 如果使用主機板預設或Auto 是以最佳化(超頻方式)跑嗎? 3. GPU比CPU更快速 既然GPU更快更強,x86 CPU為什麼不用GPU的架構? |
|||||||
2024-10-16, 12:43 PM
#1
|
Advance Member
加入日期: Dec 2002 您的住址: 台北市有點東又不是很東的文教區
文章: 347
|
引用:
關於2.我不懂,無法回答。 我先回答3.這個比較好回答。 GPU的強項在浮點運算,硬要跑轉碼模擬X86相容的程式,不是做不到,浪費。 Windows/Linux作業系統,大家已經用得很順了,這是既有市場的結果。 要說取代X86的東西,不會是GPU而是ARM,MIPS,RISC-V這些。 再來回答我理解的1. AI完全可以不連網,當年震驚世界的AI電腦圍棋AlphaGo Zero就有單機版的,面對連網版的AlphaGo Zero,雖然可以想見輸多贏少,仍然有一定以上的勝率。印象中二三十趴還是有的。 連網的優勢在於資料量大,可以使用外面的雲端機器協助運算,或是直接拿外面做好的現成模組與資料。 也有一些單位為了避免版權疑慮、資料汙染或資安考慮,會做獨立培養完全封閉的AI系統。 可以連上雲端,其實本地也不一定需要NPU;只是如果本機有NPU,會跑得比較順比較快比較流暢。
__________________
「我們是小國小民,但我們是好國好民」-----鄭南榕 現役活動裝備: Nikon D750 Lens 85 1.8D + Tamron 16-300 VC + 50 1.8D + 24 2.8D + 70-300 VR + 28-50。 噗浪 |
|||
2024-10-16, 05:40 PM
#2
|
Senior Member
加入日期: Sep 2001 您的住址: K
文章: 1,473
|
久未組電腦的話,看到一些新名詞和技術確實會讓人感到不熟悉。針對你的三個問題,我會盡量簡單明瞭地解答:
1. NPU是否需要連網上雲端才能做AI運算? NPU(Neural Processing Unit,神經處理單元)是一種專門用來處理 AI 工作負載的硬體加速器,尤其是深度學習和神經網絡的運算。它不一定需要連網上雲端才能進行 AI 運算,具體情況取決於應用的設計: 本地運算:許多設備(如手機、單板電腦)內建的 NPU 可以在本地處理 AI 任務,不需要連網,像是影像辨識、語音處理等應用。 雲端運算:有些較為複雜或需要大量資料的 AI 訓練和推論可能會依賴雲端的計算資源,這時候會需要連網。不過這與 NPU 本身無關,而是應用程式決定使用雲端資源。 所以,NPU 是否需要連網上雲端取決於具體的應用需求,但它本身可以在本地處理許多 AI 相關的運算。 2. 主機板的預設或Auto模式是最佳化(超頻)運行嗎? 如果你對超頻和設定不熟悉,使用主機板的預設或Auto模式是一個安全的選擇。主機板的預設設定通常會選擇穩定性優先,並不一定會自動進行超頻,這樣可以減少因不正確的超頻而造成不穩定性或過熱的風險。 在預設模式下: 穩定運行:主機板通常會以 CPU 預設的頻率和電壓運行,這樣能保證系統穩定性和合理的功耗、溫度。 自動調整:某些高級的主機板會有「Auto Boost」或「自動超頻」功能,它會根據系統狀況進行自動調整,但通常這種「自動」模式還是比較保守的,不會像手動超頻那樣激進。 如果你希望最佳化性能,可以考慮手動進行超頻,但這需要對溫度、功耗、電壓等有較深入的了解。如果你只是希望系統穩定運行,Auto 模式是非常合適的選擇。 3. 為什麼x86 CPU不直接使用GPU的架構? GPU(Graphics Processing Unit)和 CPU(Central Processing Unit)的設計目的是不同的,因此它們在架構上有明顯的差異。儘管 GPU 確實在某些任務上(特別是大量平行計算,如圖形處理和深度學習)比 CPU 快得多,但它們的用途和設計目標不同,無法完全取代 CPU。 CPU 的強項:CPU 是通用型處理器,它可以高效處理各種複雜、序列化的任務,並且能夠靈活地執行操作系統、應用程式、伺服器等大量多樣化的工作。x86 架構經過多年優化,具備強大的指令集和處理序列化任務的能力。 GPU 的強項:GPU 是專門設計來處理高度平行的運算,例如圖形渲染或機器學習中的矩陣運算。它有大量的核心,可以同時處理大量簡單的運算,但它在處理像操作系統管理、複雜邏輯運算等方面的效能不如 CPU。 CPU 和 GPU 的互補性: CPU 適合處理控制流密集型的任務,像是多線程的應用管理、操作系統調度等;而 GPU 則專門處理大量數據並行計算的任務,例如遊戲圖形渲染和 AI 訓練。因此,CPU 不直接使用 GPU 的架構是因為它們的設計目標和應用範圍不同,並且它們常常協同工作以實現最佳的性能。 總結: NPU 不一定需要雲端,可在本地進行 AI 運算。 主機板的預設或Auto模式通常以穩定性優先,不一定會進行激進的超頻。 CPU 和 GPU 的設計目標不同,GPU 更擅長平行運算,而 CPU 擅長處理多樣化的序列化任務,因此它們在架構上無法互相替代。 如果有任何更多的疑問或需要更深入的說明,隨時告訴我! |
2024-10-17, 02:53 PM
#3
|
Major Member
加入日期: Feb 2004 您的住址: 台中
文章: 191
|
引用:
希望得到轉貼授權 |
|
2024-10-17, 03:59 PM
#4
|
Advance Member
加入日期: May 2001 您的住址: 台北
文章: 468
|
引用:
請教S大,針對(CPU、GPU、NPU, Storage)我的假設, CPU+RAM=公司主管+1級腦袋 、 GPU+顯卡RAM=基本職員+1級腦袋 、 NPU+??=???? cpu接受user 天馬行空的指令 、 gpu接受app 固定運算指令、 NPU ??
__________________
此文章於 2024-10-17 07:11 PM 被 polor 編輯. |
|
2024-10-17, 07:09 PM
#5
|
Basic Member
加入日期: Jun 2021
文章: 16
|
難道各位都看不出來回應內容都來自ChatGPT嗎?
所以要轉貼我沒意見,OpenAI會不會有意見我就不知了。 |
2024-10-17, 07:53 PM
#6
|