常言道，世界上沒有愚蠢的問題。作為一個靠著問“愚蠢的問題”謀生的人，我可以告訴你，這樣說真的很愚蠢。

不過，最棒的問題通常是讓一個聰明的人向一個一無所知的菜鳥（也就是我）從頭開始解釋一件事。在英偉達工作的一大好處就是，我可以向許多聰明的人問一些非常非常愚蠢的問題。

事實證明，不只是我有這些疑問。月復一月，成千上萬的讀者在搜索引擎中問這些問題。而他們可以訪問我們的博客，找到問題的答案。

CPU 與 GPU 的區別是什么？

這篇文章發表于 10 多年前，但是由于出現了由深度學習驅動的 AI、超級計算和自動駕駛汽車，因此它提供的答案比以往更加貼切。因此，我們在年初更新了原始文章，并且閱讀次數也比以往更多。

人工智能、機器學習和深度學習之間的區別是什么？

AI、機器學習和深度學習之間的關系好比是幾個同心圓。AI 最先出現，是最大的圓。然后是機器學習，后來發展起來。最后是深度學習，它正在推動著今天的 AI 實現爆炸式發展，位于同心圓的中心。要想了解更多內容，請單擊上面的鏈接。

監督學習、無監督學習、半監督學習和增強學習之間有什么區別？

這是目前 AI 領域的關鍵問題之一，是這篇文章之所以備受歡迎的原因。單擊鏈接即可獲取這些問題的答案，答案寫得通俗易懂，概括介紹了各種學習方式需要處理的數據集和問題。

深度學習、訓練和推理之間的區別是什么？

這個問題的關注度也非常高。簡而言之，訓練是通過神經網絡運行數據，從而教神經網絡執行任務的過程。這教會了計算機去做一些事情，就在十年前，大多數人認為只能由人類完成。相比之下，推理是將經過訓練的網絡投入使用的過程，應用范圍包括從超大規模數據中心到自主機器的各個領域。

光線追蹤和光柵化有什么區別？

過去，光線追蹤主要應用于電影中。而光柵化則常見于視頻游戲。光線追蹤對光線在現實世界中的移動方式進行建模，非常漂亮，但這一過程需要消耗大量的計算資源。相比之下，光柵化執行起來比較快。英偉達最新的 Turing 基礎架構 GPU 模糊了這兩種技術之間的界限，通過硬件加速實現實時光線跟蹤，獲得栩栩如生的電影級游戲畫面。

這些回答是否解決了你的疑問？告訴我們你的想法.

Categories: 深度學習

審核編輯黃宇