AI 模型的性能与其运行的硬件直接相关。要构建高效系统，您必须首先了解机器学习 (machine learning)工作负载的计算需求以及满足这些需求的硬件组件。本章提供初步分析。

您将学会区分训练和推理 (inference)工作负载及其不同的硬件要求。我们将分析 CPU 在顺序任务中的作用以及 GPU 在深度学习 (deep learning)中常见的并行计算中的作用。我们将比较它们的架构，并了解为何 GPU 擅长同时执行数千次操作，例如神经网络 (neural network)核心的矩阵乘法 ($C = A \cdot B$)。本讨论还将涉及 TPU 等专用加速器，以及内存、存储和网络的辅助作用。

本章最后是一个实践练习，您将在 CPU 和 GPU 上对一项任务进行基准测试，以便亲身观察这些性能差异。