GPU之于深度学习
GPU是一种特殊的处理器专用于高效地处理并行计算任务。GPU特别在深度学习中广泛使用，是因为深度学习算法涉及大量的矩阵操作，并且需要巨大的算力。
深度学习模型由许多相互连接的层组成，这些层对大量数据执行计算。 GPU 可以并行处理这些计算，同时处理许多数据点，从而显着加快训练过程。相比之下，CPU（中央处理器）针对顺序处理进行了优化，在并行计算任务方面不如 GPU 高效。
在深度学习中使用 GPU 显着提高了训练深度神经网络的速度和效率，从而能够开发更复杂和精密的模型。许多深度学习框架，例如 TensorFlow、PyTorch 和 Keras，都设计为在 GPU 上运行并利用其并行计算能力。
如果我们没有GPU怎么办
但是如果我们的计算机内没有GPU又想学习深度学习建模，我们该怎么办呢？
Google Colab给我们提供了方案。
Google Colab提供了免费的且还不错的GPU。
那该如何白嫖到免费的GPU呢？
1. 登录Google Colab
首先登陆Google Colab（https://colab.research.google.com/）
2. 新建一个笔记本
在笔记本上选择“修改”--“笔记本设置”
选择GPU，然后保存
这样Google Colab就可以分给你一个免费的GPU了
3. 通过指令去查看GPU的信息吧
我们可以看到:
GPU的型号--Tesla T4
GPU的内存---15360MiB
如果我们要用SensoFlow 或 PyTorch去建立深度学习模型，要确定是否已经连接到这颗GPU了，那么使用如下代码去确认就好了
如何插入代码或文字：我们可以选择“插入”--“代码单元格”或“文本单元格”，如下
4.检查TensorFlow和PyTorch是否连接到GPU
以上我们成功将tensorflow和PyTorch连接到GPU，并查询到GPU信息，说明我们成功地拥有了这颗叫做Tesla T4的GPU了！
接下来就是建立我们的模型了！
