GPU虽然训练和推理性能较好，但从技术上讲也有一定的局限性。首先，应用过程中无法充分发挥并行计算优势。GPU在推理时一次性只能对一个输入项进行处理，并行计算的优势不能发挥出来。其次，运行能效比不佳。相对而言，运行深度学习算法实现同样的性能，GPU所需功耗远大于FPGA,通常情况下，GPU只能达到FPGA能效比的一半或更低。第三，硬件结构固定不具备可编程性。目前来看，深度学习算法还未成熟，算法还在迭代衍化过程中，若深度学习算法发生大的变化，GPU无法像FPGA一样可以灵活的配置硬件结构，快速切入市场。主要测试内容包括：OpenCL并行计算库支持； 对于操作系统Android NN的支持， 对于AI框架Tensorflow/Caffe的支持