cpugpu算力比較
『壹』 CPU和GPU哪個速度快
單純的以浮點運算速度為指標的話，GPU的速度要遠遠高於CPU，GPU的運算能力早就已經超過了1萬億次每秒，而CPU則僅僅是十億到百億級別
但事實上GPU只能執行預定好的任務，並不能像CPU那樣去執行自定義的任務，所以單純用計算性能來衡量是不合理的
『貳』 cpu 和顯卡的運算能力誰強
cpu相當於一個博士，gpu相當於一萬個小學生，小學生不能做高難度數學題，但是可以同時做大量的基礎運算，而cpu雖然不能一下子算出一萬條加減法，但是可以解出gpu無法運算的題目
『叄』 GPU的處理能力有CPU強嗎
GPU號稱能力強，但程序編制困難，
GPU用得上的地方，都是些簡單枯燥大規模重復計算的地方，也就是說只能大規模殺殺小兵；比如Matlab里只能對快速傅里葉變換的計算採用GPU加速
真等到大量復雜數學原理，有嵌套計算，演算法歪七扭八，邏輯性極強且互相耦合的，比如真正最消耗CPU計算能力的有限元分析
以目前程序技術，GPU鐵定抓瞎，所以至今無人大規模應用。
『肆』 為什麼GPU的浮點運算能力比CPU強的多
首先，「速度區別主要是來自於架構上的區別」是一個表面化的解釋。對，架構是不同。但是這種不同是目前各個廠家選擇的現狀，還是由於本質的原因決定的？CPU 能不能增加核？GPU 那張圖為什麼不需要 cache？
首先，CPU 能不能像 GPU 那樣去掉 cache？不行。GPU 能去掉 cache 關鍵在於兩個因素：數據的特殊性（高度對齊，pipeline 處理，不符合局部化假設，很少回寫數據）、高速度的匯流排。對於後一個問題，CPU 受制於落後的數據匯流排標准，理論上這是可以改觀的。對於前一個問題，從理論上就很難解決。因為 CPU 要提供通用性，就不能限制處理數據的種類。這也是 GPGPU 永遠無法取代 CPU 的原因。
其次，CPU 能不能增加很多核？不行。首先 cache 佔掉了面積。其次，CPU 為了維護 cache 的一致性，要增加每個核的復雜度。還有，為了更好的利用 cache 和處理非對齊以及需要大量回寫的數據，CPU 需要復雜的優化（分支預測、out-of-order 執行、以及部分模擬 GPU 的 vectorization 指令和長流水線）。所以一個 CPU 核的復雜度要比 GPU 高的多，進而成本就更高（並不是說蝕刻的成本高，而是復雜度降低了成片率，所以最終成本會高）。所以 CPU 不能像 GPU 那樣增加核。
至於控制能力，GPU 的現狀是差於 CPU，但是並不是本質問題。而像遞歸這樣的控制，並不適合高度對齊和 pipeline 處理的數據，本質上還是數據問題。
『伍』 GPU和CPU到底誰運算能力強
GPU的運算能力的確比CPU強按現在的形勢看，理論上GPU比CPU運算能力強、設計的復雜度已經比CPU高，而電腦的其他配件的集成度也會越來越高，GPU也能通過軟體運行一些CPU的工作。
兩者的側重點不同，GPU針對的是圖像，CPU針對的是數據，兩者不好做比較，如果非要比的話，GPU要強於CPU。
『陸』 CPU&GPU哪個好
兩者的用途不同，無法比較，也沒有比較的意義。
CPU也就是中央處理器，是一塊超大規模的集成電路，是一台計算機的運算核心（Core）和控制核心（ Control Unit）。它的功能主要是解釋計算機指令以及處理計算機軟體中的數據。
GPU也就是圖形處理器，又稱顯示核心、視覺處理器、顯示晶元，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器。
兩者的用途和功能完全不同，沒有比較的意義。
『柒』 為什麼CPU的浮點運算比不過GPU。
速度區別主要是來自於架構上的區別。架構的不同則是因為硬體的設計目的不一樣。
ALU就是「算術邏輯單元（Arithmetic logic unit）」。
CPU和GPU進行計算的部分都是ALU，GPU絕大部分的晶元面積都是ALU，而且是超大陣列排布的ALU。這些ALU都是可以並行運行的，所以浮點計算速度就特別高了。
相比起來，CPU大多數面積都需要給控制單元和Cache，因為CPU要承擔整個計算機的控制工作，沒有GPU那麼單純。
所以GPU的程序控制能力相比CPU來說不強，稍早時候的CUDA程序像是遞歸都是不能用的（較新的設備上可以了）。
我覺得也不是CPU不能提高浮點計算速度，而是因為沒什麼特別的必要了。咱們通常的桌面應用根本沒有什麼特別的浮點計算能力要求。而同時GPU這樣的設備已經出現了，那麼需要浮點計算的場合利用上就行了
『捌』 相同功耗的前提下，cpu和gpu哪個算力更強
也就是比性能/功耗唄。比這個，gpu遠勝cpu。當初正是因為cpu要把大量功耗和晶體管花在控制電路和cache上，gpu才會被做成獨立晶元，並進一步有gpgpu。