目錄
- 前言
- CPU是什么？
- GPU是什么？
- GPU與CPU的區別
- GPU的由來
- 并行計算
- GPU架構優化
- GPU和CPU的應用場景
作者：小牛呼嚕嚕 | https://xiaoniuhululu.com
計算機內功、JAVA底層、面試相關資料等更多精彩文章在公眾號「小牛呼嚕嚕 」
前言
大家好，國慶馬上就要過去了，這不偷偷地進來學習了一波，之前小牛學過一點深度學習的知識，做了幾個專案，發現CPU來訓練就很慢，但是后來用裝有GPU的電腦來訓練，就明顯快的飛起，感覺很神奇，
此時心里有個疑問，CPU造價那么昂貴，性能比起記憶體、機械硬碟、固態硬碟，快的不是一個數量級的，這個GPU竟然比CPU還要厲害？
讓我們一起進入計算機的世界，一起來看看GPU和CPU！
CPU是什么？
CPU,中央處理器(Central Processing Unit)是一臺計算機的運算核心和控制核心，CPU、內部存盤器和輸入/輸出設備是電子計算機三大核心部件，其功能主要是解釋計算機指令以及處理計算機軟體中的資料，
GPU是什么？
GPU,圖形處理器(Graphic Processing Unit)，一個專門的圖形核心處理器，GPU是顯示卡的“大腦”，決定了該顯卡的檔次和大部分性能，同時也是2D顯示卡和3D顯示卡的區別依據，2D顯示芯片在處理3D影像和特效時主要依賴CPU的處理能力，稱為“軟加速”，3D顯示芯片是將三維影像和特效處理功能集中在顯示芯片內，也即所謂的“硬體加速”功能，
GPU與CPU的區別
GPU的由來
計算機對影像進行實時渲染， 一般需要經過圖形流水線的程序：頂點處理->圖元處理->柵格化->片段處理->像素操作, 期間需要大量的計算，比如 640×480的解析度的螢屏，為了顯示游戲畫面，大概有30萬個像素需要渲染 ，為了讓人眼看到畫面動起來，其不像電影一樣只需要24幀，至少需要60幀， 即每秒我們需要完成1800 萬次單個像素的渲染，每個像素都需要經過圖形流水執行緒序，需要耗費大量資源
隨著影像處理對于計算機來說越來越重要，CPU越來越不從心了，CPU需要很強的通用性來處理各種不同的資料型別，同時又要邏輯判斷又會引入大量的分支跳轉和中斷的處理，這些都使得CPU的內部結構例外復雜，
另一方面，當芯片的集成度增加后，漏電流也隨之增大，但時鐘頻率的提高有限，而且晶體管的線寬很快就會到達物理極限，因此芯片的性能很難靠減小晶體管線寬來提高，所以工程師們開始想辦法在設計上做文章：由于影像渲染的流程是固定的，通過硬體來解決這個問題，那就設計一個不需要考慮CPU的流水線停頓、亂序執行、 分支預測、記憶體管理、IO等等的各類問題的芯片 ，這其實就是GPU，
并行計算
我們重點再介紹一下CPU并行，即并行計算
并行計算(Parallel Computing)是指同時使用多種計算資源解決計算問題的程序，是提高計算機系統計算速度和處理能力的一種有效手段，它的基本思想是用多個處理器來共同求解同一問題，即將被求解的問題分解成若干個部分，各部分均由一個獨立的處理機來并行計算，
并行計算可分為時間上的并行和空間上的并行
- 時間上的并行是指流水線技術，采用流水線，可以在同一時間啟動兩個或兩個以上的操作，大大提高計算性能，
- 空間上的并行是指多個處理機并發的執行計算，即通過網路將兩個以上的處理機連接起來，達到同時計算同一個任務的不同部分，或者單個處理機無法解決的大型問題，
GPU架構優化
我們來看看，現代的 GPU 為了圖形渲染、深度學習上有相較于CPU更強大的性能，做出來哪些設計上的優化：
- 由于GPU不需要考慮CPU的流水線停頓、亂序執行、 分支預測等等的各類問題,只需要流式計算的功能，所以內部許多CPU的電路是不需要的，這樣就節約了大量空間
- 由于GPU相比CPU電路就簡單多了，這樣就可以塞入更多的電路，即更多的"核"，他們都是并行的，能夠極大提升性能
- 除了塞更多的核，為了更大程度提升GPU的性能，還采用 SIMT技術， 可以把多條資料，交給不同的執行緒去處理，類似于CPU中，SIMD技術，但是其只能一次性取出了固定 長度的多個資料，放到暫存器里面，用一個指令去執行
- GPU同樣采用超執行緒技術， 當任務計算遇到停頓的時候，調度一些別的計算任務給當前的 ALU，這樣就需要保證核心中提供更多的執行背景關系給ALU算數計算單元使用
我們再看看下面的CPU和GPU的架構圖，想必會有所得
- CPU架構圖
- GPU架構圖
從架構圖我們就能很明顯的看出，GPU的構成相對簡單，GPU采用流式并行計算模式，每一個計算單元可以單獨負責一個像素點，每個像素點不依賴旁邊像素點的資料，所以每個計算單元都是獨立并行的，不需要控制器額外干涉，CPU的核數一般2,4,8核；但是GPU可以達到上千核
擁有數量非常多的計算單元和超長的流水線，計算能力非常強悍，特別適合處理大規模并發計算
我們需要知道GPU無法單獨作業，必須由CPU進行控制呼叫才能作業，CPU可單獨作用，處理復雜的邏輯運算和不同的資料型別，但當需要大量的處理型別統一的資料時，則可呼叫GPU進行并行計算，
GPU和CPU的應用場景
小結一下
- CPU需要很強的通用性來處理各種不同的資料型別，同時又要邏輯判斷又會引入大量的分支跳轉和中斷的處理，這些都使得CPU的內部結構例外復雜，采用的是精兵戰術，能力強，但數量少，擅長邏輯控制，串行運算，
- GPU面對的則是型別高度統一的、相互無依賴的大規模資料和不需要被打斷的純凈的計算環境，采用的是人海戰術，單個能力弱，但數量眾多，擅長的是大規模并發計算，
雖然GPU是為了影像處理而生的，隨著時代的發展，現在GPU不僅可以在影像處理領域大顯身手，它還被用來深度學習、科學計算、密碼破解、數值分析，海量資料處理，金融分析等需要大規模并行計算的領域，
參考資料：
《深入淺出計算機組成原理》
https://blog.csdn.net/shuiyixin/article/details/82915378
https://www.sohu.com/a/201309334_468740
https://zhuanlan.zhihu.com/p/156171120
本篇文章到這里就結束啦，很感謝你能看到最后，如果覺得文章對你有幫助，別忘記關注我！更多精彩的文章
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/528683.html
標籤：其他