一、单选题（共40题，40.0分） 3.（单选题，1.0分） 在深度学习中，GPU相比于CPU的优势是： A. 更适合处理序列数据 B. 更适合处理并行计算任务 C. 更适合处理线性任务 D. 更适合处理小规模数据

步骤 1：理解GPU和CPU的特性
GPU（图形处理单元）和CPU（中央处理单元）都是计算机中的处理器，但它们的设计目的和性能特点不同。CPU设计用于执行各种任务，包括处理复杂的逻辑和控制流，而GPU则设计用于执行大量并行计算任务，如图形渲染和深度学习中的矩阵运算。

步骤 2：分析深度学习中的计算需求
深度学习模型通常涉及大量的矩阵运算，这些运算可以被并行化，即可以同时处理多个数据点。这种并行计算的需求与GPU的特性非常匹配，因为GPU能够同时处理大量的并行任务，从而加速深度学习模型的训练和推理过程。

步骤 3：比较GPU和CPU在深度学习中的表现
由于深度学习模型的计算需求与GPU的并行计算能力高度匹配，因此在深度学习中，GPU相比于CPU具有显著的优势。CPU虽然也能执行并行计算，但其并行计算能力远不如GPU强大，因此在处理深度学习任务时，CPU的效率和速度通常不如GPU。