圖形處理器 是什麼？
GPU — 圖形處理器 的完整解釋
圖形處理器（GPU）是一種專為並行處理設計的電子電路，最初用於加速圖像渲染，現廣泛應用於深度學習等需要大量計算的領域。
容易混淆
GPU vs CPU CPU 擅長少量複雜任務 GPU 擅長大量平行任務 最關鍵的區別是單點能力強，還是同時處理很多件事
GPU vs TPU GPU 很通用，適合很多型別的計算 TPU 更偏向神經網路矩陣運算 最關鍵的區別是通用性還是專用加速
記住這句就好
很多小算一起算，找 GPU。
實際案例
模型訓練 深度學習訓練需要大量矩陣運算，GPU 可以把這些運算平行化，所以訓練速度通常比只用 CPU 快很多。
影像渲染 3D 遊戲和影片特效要快速產生大量像素，GPU 就很像專門跑產線的機器，能把畫面算得又快又穩。
算法與應用
GPU 的價值在平行運算能力和記憶體頻寬，很多深度學習框架也直接把它當主要運算後端。 實際挑選時，不只看算力，也要看 VRAM、驅動支援和你的工作型態。
情境判斷
Q1： 你只是想跑 Excel 和文書，需不需要高階 GPU？ → 通常不需要，這類工作主要吃 CPU 和記憶體。
Q2： 你要訓練影像分類模型，預算有限，先考慮什麼？ → 先看可用的 GPU 記憶體和雲端租用成本，再決定要不要升級硬體。
相關術語
常見問題
GPU 一定比 CPU 快嗎？
不是，只有在能大量平行化的工作上才會明顯快。
VRAM 為什麼重要？
因為模型和資料要放得下，記憶體不夠就會變慢甚至跑不動。
雲端 GPU 值得嗎？
短期實驗或偶爾訓練時常常值得，長期大量使用則要算總成本。