cpu gpu CPU和GPU有什么区别？

GPU是图形卡的“”，等同于CPU在计算机中的作用. 它决定了显卡的等级和大部分性能. 这也是2D和3D图形卡之间区别的基础. 2D显示芯片在处理3D图像和特殊效果时主要依靠CPU的处理能力，这被称为“软加速”. 3D显示芯片将三维图像和特殊效果处理功能集中在显示芯片中，这就是所谓的“硬件加速”功能. 显示芯片通常是显示卡上最大的芯片（也是引脚最多的芯片）. GPU使图形卡可以减少对CPU的依赖，并执行部分原始CPU工作，尤其是在3D图形处理中. GPU使用的核心技术包括硬件T＆L，立方环境纹理映射和顶点融合，纹理压缩和凹凸映射，双纹理四像素256位渲染引擎等，而硬件T＆L技术可以说是一个标志. 的GPU.

GPU可以从硬件支持T＆L（变换和照明，多边形转换和光源处理）显示芯片，因为T＆L是3D渲染的重要部分，其功能是计算多边形的3D位置并处理动态图像. 灯光效果. 这称为“几何处理”. 一个好的T＆L单元可以提供详细的3D对象和高级的灯光效果. 但是在大多数PC中，大多数T＆L计算都是由CPU处理的（这就是所谓的软件T＆L）. 有很多任务. 除了T＆L，还需要非3D图形处理工作，例如内存管理和输入响应. 因此，在实际计算过程中性能将大大降低. 显卡经常等待CPU数据，其计算速度远远落后于此. 当今复杂的3D游戏的要求. 即使CPU的工作频率超过1GHz或更高，它也无济于事. 因为这是由PC本身的设计引起的问题，所以与CPU的速度无关.

主要功能

如今，GPU不再局限于3D图形处理. GPU通用计算技术的发展引起了业界的广泛关注. 事实也证明，GPU可以在某些计算中提供数十倍的性能，例如浮点运算和并行计算. 即使是CPU性能的数百倍，如此强大的“新星”也将不可避免地使CPU制造商的老板英特尔对未来感到不安，英伟达和英特尔也经常展开口水战，在此之上更为重要. GPU通用计算标准当前包括OPEN CL，CUDA和ATI STREAM. 其中，OpenCL（全称开放计算语言，Open Computing Language）是异构系统通用并行编程的第一个开放，免费标准，它还是一个统一的编程环境，可帮助软件开发人员提供高性能计算. 服务器和台式机. 计算系统和手持设备可编写高效轻便的代码，并广泛适用于其他并行处理器，例如多核处理器（CPU），图形处理单元（GPU），单元类型架构和数字信号处理器（DSP）. 娱乐，科研，医疗等领域具有广阔的发展前景. AMD-ATI和NVIDIA当前的产品都支持OPEN CL. NVIDIA在1999年发布GeForce 256图形处理芯片时首次提出了GPU的概念. 从那时起，NV图形卡的核心被新名称GPU称为. GPU使图形卡可以减少对CPU的依赖，并执行部分原始CPU工作，尤其是在3D图形处理中. GPU使用的核心技术包括硬件T＆L，立方环境纹理映射和顶点融合，纹理压缩和凹凸映射，双纹理四像素256位渲染引擎等，而硬件T＆L技术可以说是一个标志. 的GPU.

工作原理

简而言之，GPU是一种显示芯片，可以支持来自硬件的T＆L（变换和照明，多边形转换和光源处理），因为T＆L是3D渲染的重要组成部分，其作用是计算对象的3D位置. 多边形和过程动力学灯光效果也可以称为“几何处理”. 一个好的T＆L单元可以提供详细的3D对象和高级的灯光效果. 但是在大多数PC中，大多数T＆L计算都是由CPU处理的（这就是所谓的软件T＆L）. 有很多任务. 除了T＆L，还需要非3D图形处理工作，例如内存管理和输入响应. 因此，在实际计算过程中性能将大大降低. 显卡经常等待CPU数据，其计算速度远远落后于此. 当今复杂的3D游戏的要求. 即使CPU的工作频率超过1GHz或更高，它也无济于事. 因为这是由PC本身的设计引起的问题，所以与CPU的速度无关.

GPU和DSP之间的区别

GPU在几个主要方面与DSP（数字信号处理，称为DSP）体系结构不同. 所有计算都使用浮点算术，并且当前没有位或整数算术指令. 此外，由于GPU是为图像处理而设计的，因此存储系统实际上是一个二维分段存储空间，其中包括一个段号（从中读取图像）和一个二维地址（X和Y坐标位于图片）. 另外，没有间接写指令. 输出写地址由光栅处理器确定，不能由程序更改. 对于自然分布在内存中的算法而言，这是一个巨大的挑战. 最后，不允许在不同片段的处理之间进行通信. 实际上，片段处理器是SIMD数据并行执行单元，可以在所有片段中独立执行代码.

尽管有上述限制，GPU仍可以有效地执行从线性代数和信号处理到数值模拟的各种操作. 尽管概念很简单，但是由于GPU需要专有的图形知识，因此新用户在使用GPU计算时仍然感到困惑. 在这种情况下，某些软件工具可以提供帮助. 两种高级着色语言CG和HLSL允许用户编写类似于C的代码，然后将其编译为用于分段程序的汇编语言. Brook是专为GPU计算而设计的高级语言，不需要图形知识. 因此，对于初次使用GPU进行开发的员工来说，它可以被视为一个很好的起点. Brook是C语言的扩展，并集成了可以直接映射到GPU的简单数据并行编程结构. GPU存储和处理的数据与“流”进行了生动的比较，类似于标准C中的数组. 内核是对流进行操作的函数. 在一系列输入流上调用核心函数意味着在流元素上实现了隐式循环，即，为每个流元素调用了核心主体. Brook还提供一种简化机制，例如计算流中所有元素的总和，最大值或乘积. Brook还完全隐藏了图形API的所有细节，并虚拟化了许多用户不熟悉的GPU部分，例如二维内存系统. 使用Brook编写的应用程序包括线性代数子例程，快速傅立叶变换，射线跟踪和图像处理. 利用ATI的X800XT和Nvidia的GeForce 6800 Ultra GPU，在相同的高速缓存和SSE组件优化的Pentium 4执行条件下，许多此类应用程序的速度最多可提高7倍.

对GPU计算感兴趣的用户努力将算法映射到图形的基本元素. 像Brook这样的高级编程语言的出现使新手程序员能够轻松掌握GPU的性能优势. 访问GPU计算功能的便利性还使GPU得以继续发展，不仅可以作为绘图引擎，而且可以作为个人计算机的主要计算引擎.

GPU和CPU有什么区别？

要解释两者之间的区别，我们首先必须了解两者之间的相似性: 两者都有与外界通信的总线，有自己的缓存系统，以及数字和逻辑运算单元. 总之，两者都是为了完成计算任务而设计的.

两者之间的区别在于片上缓存系统和数字逻辑运算单元的结构差异: 尽管CPU有多个内核，但总数不超过两位，每个内核都有足够大的空间. 高速缓存以及足够的数字和逻辑运算单元，并协助许多硬件来加速分支判断甚至更复杂的逻辑判断； GPU具有比CPU多得多的内核，被称为许多内核（NVIDIA Fermi有512个内核）. 每个内核的缓存大小相对较小，数字逻辑运算单元也很少且简单（在开始时浮点计算中，GPU始终比CPU弱）. 因此，CPU擅长处理具有复杂计算步骤和复杂数据依赖性的计算任务，例如分布式计算，数据压缩，人工智能，物理模拟和许多其他计算任务. 由于历史原因，因此为视频游戏创建了GPU（到目前为止，主要驱动力是不断增长的视频游戏市场）. 3D游戏中经常出现的一种操作类型是对大量数据执行相同的操作，例如: 顶点经历相同的坐标变换，并且根据相同的光照模型计算每个顶点的颜色值. GPU的多核体系结构非常适合将相同的指令流并行发送到多核，并使用不同的输入数据执行. 在2003-2004年左右，图形以外的领域的专家开始注意到GPU的独特计算功能，并开始尝试将GPU用于通用计算（GPGPU）. 在NVIDIA发布CUDA，AMD和苹果也发布了OpenCL之后，GPU开始广泛应用于通用计算领域，包括: 数值分析，海量数据处理（排序，Map-Reduce等），财务分析等.

简而言之，当程序员为CPU编写程序时，他们倾向于使用复杂的逻辑结构来优化算法，以减少计算任务（即延迟）的运行时间. 当程序员为GPU编写程序时，他们利用其优势来处理大量数据以通过增加总数据吞吐量（吞吐量）来掩盖Lantency. 目前，由于GPU在处理不规则任务和线程之间的通信方面也取得了长足的进步，因此CPU与GPU之间的差异正在逐渐缩小. 此外，GPU的功耗问题比CPU更严重.

通常，GPU和CPU的区别是一个很大的话题，谈论它甚至可能需要一个学期和32个小时.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shoujiruanjian/article-312980-1.html