这完全取决于您运行的软件平台，而不是神经网络或其组成对象的任何特定特征。例如，Theano 利用 GPU，因为它们针对矩阵数学进行了优化，神经网络权重和激活通常表示为。另一方面，它们也可以表示为集合，这使得它们非常适合 SQL 等基于集合的语言；我更喜欢这种方法，因为集合更灵活（例如，与矩阵不同，您可以轻松地在参差不齐的维度集合上进行操作）并且 SQL 是一种可移植的标准，可以更容易地从概念上考虑神经网络层。正如我的网名所暗示的，我使用 SQL Server，它是众多数据库服务器平台之一，可以在非常大的神经网络上进行一些严肃的数字运算，所有这些都无需使用任何 GPU 功能。很久以前，我还在 VB.Net、VB 6 和 C# 中编写了神经网络，它们有效地利用了数组，而根本没有利用 GPU。

我认为选择可能归结为您现有技能的组合、您可以访问的架构、您的可移植性要求、代码维护问题等等，而不是特定硬件组件和神经网络内部工作之间的任何明确联系. 在 SQL 中建模参差不齐的矩阵或 GPU 的矩阵处理能力可能有轻微的优势，但我认为在大多数情况下没有太大的实际差异，我也想不出一种方法来测试这种比较而不进入苹果与橘子的难题。话虽如此，在特定平台内，“GPU 仅用于训练阶段”和“一旦训练，实际上在 CPU 上运行它们实际上更有效”，这可能是真的。我无法对此发表评论，因为我仍然使用 SQL 和 .Net 堆栈并完全避免使用 Theano 等（尽管我尊重他们的能力）。我希望这会有所帮助。