在深度学习的训练中，我们经常会考虑到效率问题，那么通常所说的cpu/gpu/tpu为什么会有着逐级加速的功能呢，本文进行简单介绍。
机器之心pro有篇文章，介绍的很详细，本文对其进行概述。
0.神经网络计算的本质
以fc层举例，神经网络参数的计算主要包括两类：乘法和加法。那么cpu/gpu/tpu对这两类操作有着怎样的机智呢？
1.CPU 如何运行
cpu：中羊处理器，最大的优势是灵活性，支持几百万种不同的应用和软件。通过指令进行运算，每一个 CPU 的算术逻辑单元（ALU，控制乘法器和加法器的组件）都只能一个接一个地执行它们，CPU 必须在内部将每次计算的结果保存到内存中（也被称为寄存器或 L1 缓存），每一次都需要访问内存，限制了总体吞吐量，并需要大量的能耗。
2.GPU如何运行
gpu：图形处理器，为了获得比 CPU 更高的吞吐量，GPU 使用一种简单的策略：在单个处理器中使用成千上万个 ALU。现代 GPU 通常在单个处理器中拥有 2500-5000 个 ALU，意味着你可以同时执行数千次乘法和加法运算。但是，GPU 仍然是一种通用的处理器，必须支持几百万种不同的应用和软件。这又把我们带回到了基础的问题，冯诺依曼瓶颈。在每次几千个 ALU 的计算中，GPU 都需要访问寄存器或共享内存来读取和保存中间计算结果。因为 GPU 在其 ALU 上执行更多的并行计算，它也会成比例地耗费更多的能量来访问内存，同时也因为复杂的线路而增加 GPU 的物理空间占用。
3.TPU如何运行
tpu：张量处理器，专用于神经网络工作负载的矩阵处理器，无法支持其他领域的应用，所谓是专款专用。TPU 的速度非常快、能耗非常小且物理空间占用也更小。tpu放置了成千上万的乘法器和加法器并将它们直接连接起来，以构建那些运算符的物理矩阵。这被称作脉动阵列（Systolic Array）架构。tpu从内存加载数据。当每个乘法被执行后，其结果将被传递到下一个乘法器，同时执行加法。因此结果将是所有数据和参数乘积的和。在大量计算和数据传递的整个过程中，不需要执行任何的内存访问。
