Olena

urmați

8 februarie, 2018 · 4 min citire

procesoarele și GPU-urile au multe în comun. Ambele sunt microprocesoare pe bază de siliciu. În același timp, ele sunt substanțial diferite și sunt desfășurate pentru roluri diferite.

ce sunt procesoarele și GPU-urile?

un procesor (unitate centrală de procesare) este adesea numit „creierul” sau „inima” unui computer. Este necesar să rulați majoritatea software-ului de inginerie și de birou. Cu toate acestea, există o multitudine de sarcini care pot copleși procesorul central al unui computer. Aceasta este atunci când utilizarea GPU devine esențială pentru calcul.un GPU (unitate de procesare grafică) este un tip specializat de microprocesor, conceput în principal pentru redarea rapidă a imaginilor. GPU-urile au apărut ca răspuns la aplicațiile grafice intense care au pus o povară asupra procesorului și au degradat performanța computerului. Au devenit o modalitate de a descărca aceste sarcini de la procesoare, dar procesoarele grafice moderne sunt suficient de puternice pentru a efectua calcule matematice rapide în multe alte scopuri, în afară de redare.

care este diferența?

procesoarele și GPU-urile procesează sarcinile în moduri diferite. În ceea ce privește interrelațiile, acestea sunt adesea comparate cu creierul și brațul. Un procesor (creierul) poate lucra la o varietate de calcule diferite, în timp ce un GPU (brawn) este cel mai bun la focalizarea tuturor abilităților de calcul pe o anumită sarcină. Acest lucru se datorează faptului că un procesor este format din câteva nuclee (până la 24) optimizate pentru procesarea serială secvențială. Este conceput pentru a maximiza performanța unei singure sarcini în cadrul unui loc de muncă; cu toate acestea, gama de sarcini este largă. Pe de altă parte, un GPU folosește mii de nuclee mai mici și mai eficiente pentru o arhitectură masivă paralelă care vizează gestionarea mai multor funcții în același timp.GPU-urile moderne oferă o putere de procesare superioară, lățime de bandă de memorie și eficiență față de omologii lor CPU. Acestea sunt de 50-100 de ori mai rapide în sarcini care necesită mai multe procese paralele, cum ar fi învățarea automată și analiza datelor mari.

Sursa: blogs.nvidia.com

ce probleme sunt GPU potrivite pentru a aborda?

calculul GPU este definit ca utilizarea unui GPU împreună cu un procesor pentru a accelera aplicațiile științifice, analitice, inginerești, de consum și de întreprindere.

de mulți ani, GPU-urile au alimentat afișarea imaginilor și a mișcării pe afișajele computerului, dar sunt capabile din punct de vedere tehnic să facă mai mult. Procesoarele grafice sunt puse în joc atunci când sunt necesare calcule masive pentru o singură sarcină.

această sarcină poate include:

• jocuri

o unitate de procesare grafică este esențială pentru redarea rapidă, grafică intensivă a lumii jocurilor. Redarea efectelor speciale și a graficii 3D sofisticate în timp real necesită o putere de calcul serioasă. Sarcinile de jocuri moderne devin prea grele pentru soluție grafică CPU. Jocurile au făcut chiar un pas mai departe cu realitatea virtuală, care este atât de credibilă, deoarece GPU-urile pot reda și menține rapid imagini realiste cu iluminare și umbrire corespunzătoare.

• vizualizare 3D

performanța portului de vizualizare a unității GPU în aplicații de vizualizare 3D, cum ar fi proiectarea asistată de computer (CAD). Software-ul care vă permite să vizualizați obiecte în 3 dimensiuni se bazează pe GPU-uri pentru a desena aceste modele în timp real pe măsură ce le rotiți sau le mutați.

• procesarea imaginilor

GPU-urile pot procesa cu precizie milioane de imagini pentru a găsi diferențe și asemănări. Această abilitate este utilizată pe scară largă în industrii precum controlul frontierelor, securitatea și prelucrarea medicală cu raze X. De exemplu, în 2010, armata americană a conectat mai mult de 1.700 de sisteme Sony PlayStation 3TM pentru a procesa mai rapid imagini din satelit de înaltă rezoluție.

• Big Data

cu mii de nuclee de calcul și transfer de aplicații 10–100x în comparație cu procesoarele singure, unitățile grafice sunt alegerea pentru procesarea datelor mari pentru oamenii de știință și industrie. GPU-urile sunt folosite pentru a descrie datele ca vizualizare interactivă și se integrează cu alte seturi de date pentru a explora volumul și viteza datelor. De exemplu, acum suntem capabili să pornim cartografierea genelor prin procesarea datelor și analizarea co-varianțelor pentru a înțelege relația dintre diferite combinații de gene.

• Deep Machine Learning

Machine learning a fost în jur de ceva timp acum, dar de calcul GPU puternic și eficient a ridicat la un nou nivel. Învățarea profundă este utilizarea rețelelor neuronale sofisticate pentru a crea sisteme care pot efectua detectarea caracteristicilor din cantități masive de date de antrenament neetichetate. GPU-urile pot procesa tone de date de antrenament și pot antrena rețele neuronale în domenii precum analiza imaginilor și video, recunoașterea vorbirii și procesarea limbajului natural, mașini cu conducere automată, viziune pe computer și multe altele.

GPU-urile nu sunt înlocuitori pentru arhitectura procesorului. Mai degrabă, ele sunt acceleratoare puternice pentru infrastructura existentă. Calculul accelerat de GPU descarcă porțiuni intensive de calcul ale aplicației pe GPU, în timp ce restul codului rulează încă pe CPU. Din perspectiva unui utilizator, aplicațiile rulează mult mai repede. În timp ce calculul de uz general este încă domeniul procesorului, GPU-urile sunt coloana vertebrală hardware a aproape tuturor aplicațiilor de calcul intensive.