GPUとは
GPUとは、多数の演算を同時に処理できる並列計算向けのプロセッサです。行列演算が中心のディープラーニングに適している点が、CPUとの違いとして重要です。
この用語はG検定シラバスの「11. ニューラルネットワークとディープラーニング」に含まれます。 章全体の用語は用語解説③（全52語）にまとまっています。
一言でいうと
たくさんの計算を同時にこなせるプロセッサ。ディープラーニングの学習に不可欠です。
なぜ学習が速くなるのか
GPUはもともと画像処理用に作られ、単純な計算を多数のコアで同時に処理する構造を持ちます。
ニューラルネットワークの計算は行列の掛け算の繰り返しであり、これはまさに並列処理に向いた形です。そのため学習時間を大幅に短縮できます。
画像処理以外の汎用計算にGPUを使うことをGPGPUと呼びます。
ブレイクスルーを支えた要素
ディープラーニングが2010年代に実用化された背景には、手法の進歩だけでなくGPUによる計算資源とImageNetのような大規模データが揃ったことがあります。この3点セットはG検定対策として重要な視点です。
メモリの制約
GPUには専用メモリが載っており、モデルと学習データがそこに収まる必要があります。
バッチサイズを大きくするほどメモリを消費するため、ミニバッチ学習のバッチサイズはGPUメモリの制約から決まることが多いのが実情です。大規模モデルでは複数のGPUに分散させる工夫も行われます。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| GPU | 並列演算向け。学習の高速化に使う |
| CPU | 汎用・逐次処理向け |
| TPU | Google製のディープラーニング専用チップ |
🎯 G検定での押さえどころ
- 並列演算に適したプロセッサ
- 行列演算が中心のディープラーニングと相性が良い
- 汎用計算への利用をGPGPUという
⚠️ よくある誤りの選択肢
- 「GPUは逐次的な分岐処理に最も適している」→ 誤り。それはCPUです
- 「GPUはディープラーニング専用に開発された」→ 誤り。もとは画像処理用です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「デバイスによる高速化」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。