大家好，今天小编关注到一个比较有意思的话题，就是关于神经网络系统算力的问题，于是小编就整理了1个相关介绍神经网络系统算力的解答，让我们一起看看吧。
神经网络计算棒的算力能与和GPU在机器学习/深度学习方面匹敌吗？
与GPU显卡、FPGA等高功率、高性能，用于训练神经网络的设备不同，神经网络计算棒偏向于使用训练好的模型提供预测服务。与需要超大计算力的训练模型相比，预测服务所需的计算极大减少。应用场景主要是移动终端设备（比如扫地机器人、送货机器人等），此类设备受计算能力和功耗的制约，又不能实时使用Wi-Fi模块保持联网，不可能使用大功率的GPU显卡，神经网络计算棒正是最优解决方案。
算力上比较困难，但是效率上可以超过。
计算棒具有独特的优化，包含对网络结构的优化，以及网络结构的底层实现的优化，还有包括硬件层面的优化。所以可以以更低的功耗运行神经网络训练等高负荷任务。
但是如果究其算力，并不是所有时段都会超过或者追平gpu的。
到此，以上就是小编对于神经网络系统算力的问题就介绍到这了，希望介绍关于神经网络系统算力的1点解答对大家有用。
