Olena

8 februarie 2018

·

4

min citit

CPU-urile si GPU-urile au multe in comun. Amandoi sunt microprocesoare pe baza de siliciu. In acelasi timp, acestea sunt substantial diferite si sunt implementate pentru roluri diferite.

Ce sunt procesoarele si GPU-urile?

Un procesor (unitate centrala de procesare) este deseori numit „creierul” sau „inima” unui computer.

Array

Este necesar sa se ruleze majoritatea programelor de inginerie si de birou. Cu toate acestea, exista o multitudine de sarcini care pot coplesi procesorul central al unui computer. Atunci cand utilizarea GPU devine esentiala pentru calcul.

Array

Un GPU (unitate de procesare grafica) este un tip specializat de microprocesor, conceput in primul rand pentru redarea rapida a imaginii. GPU-urile au aparut ca raspuns la aplicatiile grafice intense care pun o povara asupra procesorului si performantele computerului degradate. Au devenit o modalitate de a descarca acele sarcini de pe procesoare, dar procesoarele grafice moderne sunt suficient de puternice pentru a efectua calcule matematice rapide pentru multe alte scopuri, in afara de redare.

Care este diferenta?

CPU-urile si GPU-urile proceseaza sarcinile in moduri diferite.

Array

In ceea ce priveste relatiile, acestea sunt adesea comparate cu creierul si brawn. Un procesor (creierul) poate lucra la o varietate de calcule diferite, in timp ce un GPU (creierul) este cel mai bun in concentrarea tuturor abilitatilor de calcul pe o sarcina specifica. Acest lucru se datoreaza faptului ca un procesor este format din cateva nuclee (pana la 24) optimizate pentru procesarea seriala secventiala.

Este conceput pentru a maximiza performanta unei singure sarcini in cadrul unui loc de munca; cu toate acestea, gama de sarcini este larga. Pe de alta parte, un GPU foloseste mii de nuclee mai mici si mai eficiente pentru o arhitectura masiv paralela, menita sa gestioneze mai multe functii in acelasi timp.

GPU-urile moderne ofera putere superioara de procesare, latime de banda a memoriei si eficienta fata de omologii lor CPU. Acestea sunt de 50-100 de ori mai rapide in activitati care necesita mai multe procese paralele, cum ar fi invatarea automata si analiza datelor mari.

Sursa: blogs.nvidia.com

Ce probleme sunt potrivite pentru GPU-uri?

Calculul GPU este definit ca utilizarea unui GPU impreuna cu un CPU pentru a accelera aplicatiile stiintifice, analitice, ingineresti, pentru consumatori si pentru intreprinderi.

De multi ani, GPU-urile au alimentat afisarea imaginilor si a miscarii pe ecranele computerului, dar sunt tehnic capabile sa faca mai multe. Procesoarele grafice sunt puse in joc atunci cand sunt necesare calcule masive pentru o singura sarcina.

Aceasta sarcina poate include:

  • Jocuri

O unitate de procesare grafica este esentiala pentru redarea rapida, intensiva a graficii, a lumii jocurilor. Redarea efectelor speciale si a graficii 3D sofisticate in timp real necesita o putere de calcul serioasa. Sarcinile jocurilor moderne devin prea grele pentru solutia grafica CPU. Jocurile au facut chiar un pas mai departe cu realitatea virtuala, care este atat de credibila, deoarece GPU-urile pot reda si intretine rapid imagini realiste cu iluminare si umbrire adecvate.

  • Vizualizare 3D

GPU-urile conduc performanta vizualizarii in aplicatii de vizualizare 3D, cum ar fi proiectarea asistata de computer (CAD). Software-ul care va permite sa vizualizati obiecte in 3 dimensiuni se bazeaza pe GPU-uri pentru a desena acele modele in timp real pe masura ce le rotiti sau le mutati.

  • Procesarea imaginii

GPU-urile pot procesa cu precizie milioane de imagini pentru a gasi diferente si similitudini. Aceasta abilitate este utilizata pe scara larga in industrii precum controlul frontierelor, securitatea si prelucrarea medicala cu raze X. De exemplu, in 2010, armata SUA a legat mai mult de 1.700 de sisteme Sony PlayStation 3TM pentru a procesa mai rapid imagini prin satelit de inalta rezolutie.

  • Date mare

Cu mii de nuclee computationale si 10–100x capacitate de productie in comparatie cu CPU-urile, unitatile grafice sunt alegerea pentru procesarea datelor mari pentru oameni de stiinta si industrie. GPU-urile sunt utilizate pentru a descrie datele ca vizualizare interactiva si se integreaza cu alte seturi de date pentru a explora volumul si viteza datelor. De exemplu, acum suntem capabili sa alimentam cartarea genelor prin procesarea datelor si analizarea co-variantelor pentru a intelege relatia dintre diferite combinatii de gene.

  • Invatare automata profunda

Invatarea automata a existat de ceva vreme, dar computerul GPU puternic si eficient l-a ridicat la un nou nivel. Invatarea profunda este utilizarea retelelor neuronale sofisticate pentru a crea sisteme care pot efectua detectarea caracteristicilor din cantitati masive de date de formare neetichetate. GPU-urile pot procesa tone de date de instruire si pot antrena retele neuronale in domenii precum analiza imaginilor si a videoclipurilor, recunoasterea vorbirii si procesarea limbajului natural, masinile cu conducere automata, viziunea computerizata si multe altele.

GPU-urile nu sunt inlocuitoare pentru arhitectura CPU. Mai degraba, acestea sunt acceleratoare puternice pentru infrastructura existenta. Descarcarile de calcul accelerate de GPU descarca portiuni intensive de calcul ale aplicatiei pe GPU, in timp ce restul codului ruleaza in continuare pe CPU. Din perspectiva utilizatorului, aplicatiile ruleaza mult mai repede. In timp ce calculul cu scop general este inca domeniul CPU, GPU-urile reprezinta coloana vertebrala hardware a aproape tuturor aplicatiilor de calcul intensive.

ARTICOLE SIMILAREDE LA ACELAȘI AUTOR