G検定 用語解説
GPUとは
元々は画像処理向けに開発された、並列演算を得意とするプロセッサ（Graphics Processing Unit）。行列演算を並列に大量処理できる特性がディープラーニングの学習・推論に転用され、計算資源として広く利用されている。機械学習向けに専用開発されたTPUとは、開発の出発点が異なる。
まず押さえる結論
GPUは、G検定の「大項目4 ディープラーニングの概要」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×勾配消失問題と勾配爆発の混同、およびReLUなど活性化関数による緩和の役割。
×局所最適解・大域最適解・鞍点の区別（鞍点はある方向に極小・別方向に極大）。
×誤差逆伝播法（バックプロパゲーション）と勾配降下法の役割の取り違え。
関連する確認問題
大項目4 ディープラーニングの概要 / 計算資源
NVIDIAのGPU上で汎用計算やディープラーニングの計算を効率よく行うために使われる開発基盤として最も適切なものはどれか。
正解は「CUDA」である。CUDAはNVIDIAのGPUで汎用計算を行うための開発基盤であり、ディープラーニングの高速計算とも関係が深い。TPUは機械学習向け専用プロセッサ、ムーアの法則は半導体集積度に関する経験則、万能近似定理はニューラルネットワークの表現力に関する考え方である。 設問はプロセッサの種類や理論ではなく、特定企業のGPUを利用する開発基盤を問う。機械学習向け専用プロセッサのTPU、半導体の経験則、ネットワーク表現力の定理を除外し、NVIDIA GPU向けのCUDAを選ぶ。
大項目4 ディープラーニングの概要 / 計算資源
もともと画像処理向けに開発され、多数の演算コアによる並列計算がディープラーニングの大量の行列演算に適しているとして広く転用された半導体はどれか。
正解はGPU。もともとは画像の描画処理を高速に行うために開発された半導体で、多数の演算コアを使って同じ種類の計算を並列に処理する構造を持つ。この並列計算の特性が、ディープラーニングで大量に発生する行列演算に適しているとして広く転用されるようになった。TPUはGoogleがテンソル演算に特化して独自に設計した半導体であり、画像処理向けとして開発されたものではない。CUDAはNVIDIA社が提供する、GPUを画像処理以外の一般的な数値計算にも活用できるようにするための開発・実行環境（ソフトウェア）であり、半導体そのものを指す言葉ではない。ムーアの法則は半導体の集積度が一定期間で倍増するという経験則であり、特定の半導体の名称ではない。
大項目4 ディープラーニングの概要 / 計算資源
NVIDIA社が提供する、GPUを画像処理だけでなく一般的な数値計算にも活用できるようにするための開発・実行環境はどれか。
正解はCUDA。NVIDIA社が提供する、GPUを画像処理だけでなく一般的な数値計算にも活用できるようにするための開発・実行環境（プラットフォーム）である。TPUはGoogleがテンソル演算に特化して独自に開発した半導体そのもの（ハードウェア）であり、GPUを汎用計算に使うための環境ではない。GPUはもともと画像処理向けに開発された演算用の半導体（ハードウェア）自体を指し、それを汎用計算に使えるようにするソフトウェアの開発・実行環境ではない。ムーアの法則は半導体の集積度が一定期間で倍増するという経験則であり、開発・実行環境でも装置でもない。
同じ章で確認したい用語
到達チェック
- GPUを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、GPUに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）