Articles

GPU vs CPUコンピューティング：何を選択するのですか？

by admin
Olena
フォロー
2018年2月8日·4分読み取り
cpuとgpuには多くの共通点があります。 どちらもシリコンベースのマイクロプロセッサである。 同時に、それらは実質的に異なり、異なる役割に展開されます。CpuとGpuとは何ですか？CPU（中央処理ユニット）は、コンピュータの「脳」または「心臓」と呼ばれることがよくあります。 これは、エンジニアリングとオフィスソフトウェアの大部分を実行する必要があります。 しかし、コンピュータの中央プロセッサを圧倒することができますタスクの多数があります。 それは、GPUを使用することがコンピューティングに不可欠になるときです。

GPU(graphics processing unit)は、主に迅速な画像レンダリングのために設計された特殊なタイプのマイクロプロセッサです。 Gpuは、CPUに負担をかけ、コンピュータのパフォーマンスを低下させるグラフィカルに激しいアプリケーションへの応答として登場しました。 彼らはCpuからこれらのタスクをオフロードする方法になりましたが、現代のグラフィックスプロセッサは、レンダリング以外の多くの目的のために迅速な数学的計算を実行するのに十分強力です。違いは何ですか？

CpuとGpuは、さまざまな方法でタスクを処理します。 相互関係に関しては、それらはしばしば脳および腕力と比較される。 CPU（脳）はさまざまな異なる計算に取り組むことができますが、GPU（腕力）はすべての計算能力を特定のタスクに集中させるのが最善です。 これは、CPUがシーケンシャルシリアル処理用に最適化されたいくつかのコア（最大24）で構成されているためです。 これは、ジョブ内の単一のタスクのパフォーマンスを最大化するように設計されていますが、タスクの範囲は広いです。 一方、GPUは、複数の機能を同時に処理することを目的とした超並列アーキテクチャのために、数千の小型で効率的なコアを使用しています。

最新のGpuは、CPUに比べて優れた処理能力、メモリ帯域幅、効率を提供します。 機械学習やビッグデータ分析など、複数の並列プロセスを必要とするタスクでは、50-100倍高速です。div>

blogs.nvidia.com

Gpuはどのような問題に対処するのに適していますか？

GPUコンピューティングは、科学、分析、エンジニアリング、コンシューマー、およびエンタープライズアプリケーションを加速するために、CPUと一緒にGPUを使

何年もの間、Gpuはコンピュータディスプレイ上の画像や動きの表示に電力を供給してきましたが、技術的にはより多くのことを行うことができます。 グラフィックスプロセッサは、単一のタスクで大規模な計算が必要な場合に使用されます。

そのタスクには、次のものが含まれます。

  • Games

グラフィックス処理ユニットは、ゲームの世界の高速でグラフィック集約的なレ 特殊効果と洗練された3Dグラフィックスをリアルタイムでレンダリングするには、いくつかの深刻なコンピューティングパワーが必要です。 現代のゲームのタスクは、CPUグラフィックスソリューションのために重すぎます。 これは、Gpuが適切な照明とシェーディングで現実的な画像を迅速にレンダリングして維持できるため、信じられないほどです。

  • 3Dビジュアライゼーション

Gpuは、コンピュータ支援設計（CAD）などの3Dビジュアライゼーションアプリケーションでビューポートのパフォーマ オブジェクトを3次元で視覚化できるソフトウェアは、回転または移動するときにリアルタイムでそれらのモデルを描画するためにGpuに依存し

  • 画像処理

Gpuは、何百万もの画像を正確に処理して、相違点と類似点を見つけることができます。 この能力は、国境管理、セキュリティ、医療用x線処理などの産業で広く使用されています。 例えば、2010年には、米軍は1,700以上のSony PlayStation3TMシステムを連携させて、高解像度の衛星画像をより迅速に処理しました。

  • ビッグデータ

Cpuだけに比べて何千もの計算コアと10–100倍のアプリケーションスループットを備えたグラフィックスユニットは、科学者や産業 GPUは、対話型の可視化としてデータを描写するために使用され、データの量と速度を探索するために他のデータセットと統合されます。 例えば、データを処理し、遺伝子の異なる組み合わせ間の関係を理解するために共分散を分析することによって、遺伝子マッピングをパワーアップするこ

  • ディープマシンラーニング

機械学習はしばらくの間存在していましたが、強力で効率的なGPUコンピューティングはそれを新しいレベルに引き上げました。 ディープラーニングとは、高度なニューラルネットワークを使用して、膨大な量のラベルのないトレーニングデータから特徴検出を実行できるシステムを作 Gpuは、画像やビデオの分析、音声認識、自然言語処理、自動運転車、コンピュータビジョンなどの分野で、大量のトレーニングデータを処理し、ニューラルネットワークを訓練することができます。

GpuはCPUアーキテクチャの代替品ではありません。 むしろ、彼らは既存のインフラストラクチャのための強力なアクセラレータです。 GPUアクセラレーションコンピューティングは、アプリケーションの計算負荷の高い部分をGPUにオフロードしますが、コードの残りの部分はCPU上で実行されます。 ユーザーの観点から見ると、アプリケーションははるかに高速に実行されます。 汎用コンピューティングは依然としてCPUのドメインですが、Gpuはほぼすべての集中的な計算アプリケーションのハードウェアバックボーンです。