Poznámka Editora: Aktualizovali jsme náš původní příspěvek o rozdílech mezi GPU a CPU, jehož autorem je Kevin Krewell, a publikoval v prosinci 2009.
CPU (centrální procesorová jednotka) se nazývá mozky počítače. GPU jeho duše. Během posledního desetiletí však GPU vyskočily z boxy PC.
GPU zažehly celosvětový boom AI. Staly se klíčovou součástí moderního superpočítání., Byly tkané do rozlehlých nových hyperscale datových center. Stále ceněný hráči, stali se akcelerátory urychlení všechny druhy úkolů od šifrování do sítí na AI.
a pokračují v pokroku v herní a profesionální grafice uvnitř pracovních stanic, stolních počítačů a nové generace notebooků.
co je GPU?
Zatímco Gpu (graphics processing unit) jsou nyní o hodně víc, než na Pc, na kterém se poprvé objevil, zůstávají ukotveny v mnohem starší nápad nazývá paralelní výpočty. A to je to, co dělá GPU tak silným.
CPU, pro jistotu, zůstávají nezbytné. Rychlé a univerzální, CPU závod prostřednictvím řady úkolů vyžadujících spoustu interaktivity. Vyvolání informací z pevného disku v reakci na stisky kláves uživatele, například.
naopak, Gpu přestávka složité problémy na tisíce nebo miliony samostatných úkolů a prací z nich najednou.,
to z nich dělá ideální pro grafiku, kde textury, osvětlení a Vykreslování tvarů musí být provedeno najednou, aby obrázky létaly po obrazovce.,v id=“bdcf9e66d4″>
Architektonicky, CPU se skládá z několika jader se spoustou cache paměti, která zvládne několik softwarových vláken současně., Naproti tomu GPU se skládá ze stovek jader, které zvládnou tisíce vláken současně.
GPU poskytují kdysi esoterickou technologii paralelního výpočtu. Je to technologie se slavným rodokmenem, která zahrnuje jména jako superpočítačový génius Seymor Cray. Ale spíše než mít tvar mohutných superpočítačů, GPU dal tento nápad pracovat v desktopech a herních konzolách více než miliardy hráčů.
Pro Gpu, Počítačová Grafika První z Mnoha Aplikací
aplikace — počítačová grafika — byla jen první z několika killer aplikace., A je poháněn obrovským motorem R&d za GPU dopředu. To vše umožňuje GPU závodit před specializovanějšími čipy s pevnou funkcí, které slouží specializovaným trhům.
další faktor, který zpřístupňuje veškerou energii: CUDA. Nejprve povolený v roce 2007, paralelní computing platforma umožňuje kodéry využít výpočetní sílu Gpu pro všeobecné účely zpracování vložením několika jednoduchých příkazů do jejich kódu.
to umožňuje GPU množit se v překvapivých nových polích., A s podporou pro rychle rostoucí počet norem — jako Kubernetes a ukotvitelné panely — aplikace mohou být testovány na low-cost desktop GPU a měřítko mimo rychleji, více sofistikované server Gpu, stejně jako všechny hlavní poskytovatele cloud služeb.
Procesory a Konec mooreův Zákon
S moorova zákona zmenšují, Gpu, vynalezla NVIDIA v roce 1999, přišla právě včas.
moorův zákon předpokládá, že počet tranzistorů, které mohou být napěchované do integrovaného obvodu se zdvojnásobí zhruba každé dva roky. Po desetiletí to vedlo k rychlému nárůstu výpočetního výkonu., Tento zákon však narazil na tvrdé fyzické limity.
Gpu nabízí způsob, jak pokračovat v akceleraci aplikací — jako grafika, superpočítačů a AI — rozdělením úkolů mezi mnoha procesory. Takové urychlovače jsou podle Johna Hennesseyho a Davida Pattersona, vítězů Turingovy ceny 2017 a autorů počítačové architektury kritické pro budoucnost polovodičů: kvantitativní přístup klíčová učebnice mikroprocesorů.,
Gpu: Klíč k AI, Computer Vision, Superpočítačů a Více
v posledních deseti letech, že je prokázáno, klíčem k rostoucí škálu aplikací.
GPU vykonávají mnohem více práce pro každou jednotku energie než CPU. To z nich dělá klíč k superpočítačům, které by jinak překročily hranice dnešních elektrických sítí.
v AI se GPU staly klíčem k technologii nazvané “ hluboké učení.“Hluboké učení nalévá obrovské množství dat prostřednictvím neuronových sítí a trénuje je, aby plnili úkoly příliš komplikované pro každého lidského kodéra.,
AI a Gaming: hluboké učení poháněné GPU přichází s plným kruhem
, že schopnost hlubokého učení se zrychluje díky zahrnutí vyhrazených Tenzorových jader do GPU NVIDIA. Tenzor Jader urychlit velké maticové operace, v srdci AI, a provádět smíšené-precision matrix multiply-and-accumulate výpočty v jedné operaci. To nejen urychluje tradiční úkoly AI všeho druhu, ale nyní se využívá k urychlení hraní her.,
v automobilovém průmyslu nabízejí GPU mnoho výhod. Poskytují bezkonkurenční schopnosti rozpoznávání obrazu, jak byste očekávali. Ale jsou také klíčem k vytvoření samořiditelných vozidel schopných učit se — a přizpůsobit se-velkému množství různých scénářů v reálném světě.,
v robotice jsou GPU klíčem k tomu, aby umožnily strojům vnímat jejich prostředí, jak byste očekávali. Jejich schopnosti AI se však staly klíčem ke strojům, které se mohou naučit složité úkoly, jako je autonomní navigace.
ve zdravotnictví a vědách o životě nabízejí GPU mnoho výhod. Jsou ideální pro zobrazovací úkoly, samozřejmě. Ale hluboké učení založené na GPU urychluje analýzu těchto obrazů. Mohou crunch lékařské údaje a pomoci proměnit tato data, prostřednictvím hlubokého učení, do nových schopností.
Stručně řečeno, GPU se staly nezbytnými. Začali zrychlením hraní her a grafiky., Nyní zrychlují stále více oblastí, kde bude mít výpočetní výkon rozdíl.
- AI Je Stravovací Software
- AI Disky Vzestup Zrychlil Computing v Datových Centrech
- Jaký je Rozdíl Mezi Hardware a Software Akcelerované Ray Tracing?
- co je Max-Q?
- co je to virtuální GPU?
- jaký je rozdíl mezi sledováním paprsků a Rasterizací?,
- jaký je rozdíl mezi umělou inteligencí, strojovým učením a hlubokým učením?
- co je NVLink?
- co je CUDA?