CPU和GPU架构差异大，GPU相对于CPU的优势

（共53页）

●CPU和GPU的设计方向决定了计算能力

在过去的30年中，尽管Intel，IBM，SUN，AMD和Fujitsu生产的通用CPU取得了长足进步，但性能提升的速度却无法与1980年代末和1990年代初相提并论。单线程处理性能在很大程度上受到限制。一方面，这些限制来自通用计算程序中的指令级并行度太低；另一方面，它们来自“电源墙”-集成电路功耗的物理限制。

GPU的用途已远远超出了运行游戏的范围。我们购买的图形卡实际上是高性能的。尤其是现在，NVIDIA和AMD的图形卡产品已经展示出极高的浮点运算能力，并且双精度浮点运算的衰减越来越小。

例如，在Folding @ home项目中，中端图形卡可以一天24小时计算大约10个大分子蛋白质折叠，而Core 2 Duo E7200处理器的一个核心可以在24小时内完成一个折叠。小分子包装的计算任务非常困难。我相信每个人都已经很清楚在高密度多线程浮点运算中CPU和GPU之间的成本性能差异。在本节中，我们将重点分析GPU相对于CPU的体系结构优势。

CPU和GPU的体系结构非常不同。 CPU的功能模块很多，可以适应复杂的计算环境。 GPU的结构相对简单。目前，流处理器和视频存储控制器占据了大多数晶体管。 CPU中的大多数晶体管主要用于构造控制电路（例如分支预测等）和Cache，只有很少的晶体管完成实际的计算工作。

CPU和GPU逻辑架构的比较

GPU的控制相对简单，对Cache的需求很小，因此大多数晶体管可以由各种特殊电路和多个流水线组成，这使得GPU的计算速度有了突破性的飞跃，并且具有惊人的加工浮法。点计算能力。现在，CPU的技术进步比摩尔定律慢，而GPU（视频卡上的图形处理器）的运行速度比摩尔定律快，每6个月将其性能提高一倍。

CPU的体系结构是有助于X86指令集的串行体系结构。 CPU旨在尽快完成任务。对于GPU，其任务是在屏幕上显示数百万个像素。图像（即同时具有数百万个任务）需要并行处理，因此GPU旨在并行处理许多任务，而不是像CPU那样完成单个任务。

CPU内部架构

当今的CPU仅在前端部分非常复杂，指令解码，分支预测和其他部分消耗了大量的晶体管。 CPU的设计目标不仅是要具有高吞吐量，而且还要与应用程序环境具有良好的兼容性。 CPU必须面对的应用程序区域远远超过了GPU。 CPU设计用于处理常见任务，例如处理，处理，计算和系统核心控制。 CPU中包含的最基本的组件是算术逻辑单元和控制单元。 CPU微体系结构经过优化，可有效处理与数据相关的计算以及繁琐而繁琐的非计算任务。目的是处理日常任务。轻松处理复杂的任务。

GPU设计的目的是实现图形加速，现在最重要的是实现3D图形加速，因此其设计基本上针对3D图形加速相关的操作进行了优化，例如z缓冲消隐，纹理映射（纹理贴图），图形坐标位置变换和光照计算（变换和光照）等。这种类型的计算对象用于大量并行数据，并且要计算的数据量很大。但是，GPU面临的数据类型相对单一，并且单精度浮点数占处理的绝大多数数据。直到GTX200和HD 4800系列图形卡提供对双精度操作的支持。

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-371745-1.html