編集者注：GpuとCpuの違いに関するオリジナルの投稿を更新しました。Kevin Krewellによって作成され、2009年に公開されました。
CPU（中央処理ユニット）は、PCの脳と呼ばれています。 GPUその魂。 しかし、過去十年間にわたって、GpuはPCの箱型の範囲から壊れています。
Gpuは世界的なAIブームに火をつけました。 彼らは現代のスーパーコンピューティング., って織りへ広がる新しいhyperscaleデータセンター まだ珍重さによりユーザー、ねんどろいど加速器で加速すべての種類のタから暗号化通信ネットワークを経由して、オーバーダイしました。
今に伝えているのだという駆動化ゲームやproグラフィック内部のワークステーション、デスクトップパソコンや新しい世代のノートパソコン.
GPUとは何ですか？
Gpu（graphics processing unit）は、最初に登場したPcよりもはるかに多くなりましたが、並列コンピューティングと呼ばれるはるかに古いアイデアに固定され そして、それがGpuをとても強力にするものです。
Cpuは、確かに、不可欠なままです。 高速で汎用性の高いCpuは、多くの双方向性を必要とする一連のタスクを駆け抜けます。 たとえば、ユーザーのキーストロークに応答してハードドライブから情報を呼び出す。
対照的に、Gpuは複雑な問題を数千または数百万の別々のタスクに分割し、一度にそれらを解決します。,
これは、テクスチャ、照明、図形のレンダリングを一度に行う必要があるグラフィックスに最適です。,v id=”bdcf9e66d4″>
アーキテクチャ上、Cpuはいくつかのソフトウェアスレッドを扱うことができるキャッシュメモリを持つわずか数コアで構成されています。, これとは対照的に、GPUは数千のスレッドを同時に処理できる数百のコアで構成されています。
Gpuは、並列コンピューティングのかつての難解な技術を提供します。 これは、スーパーコンピューティング天才シーモアクレイなどの名前を含む輝かしい血統を持つ技術です。 ものではなく、形状の図体の大きいスーパーコンピュータをGpuを入れてこの考え方のデスクトップやゲーム機向けの千億円を超えるユーザー.
Gpu用、コンピュータグラフィックス多くのアプリの最初の
そのアプリケーション—コンピュータグラフィックスは—いくつかのキラーアプリのちょうど, そして、gpuの背後にある巨大なR&dエンジンを前方に駆動しています。 すべてのことが可能でGpuレースのより専門的な固定機能チップをィニッチな市場である。
すべてのその力をアクセス可能にするもう一つの要因：CUDA。 2007年に最初にリリースされた並列計算プラットフォームは、コーダーがコードにいくつかの簡単なコマンドを挿入することによって、汎用処理のためのGpuの
それはGpuが驚くべき新しい分野で増殖させましょう。, また、KubernetesやDockersなど、急速に増加する数の標準をサポートすることで、アプリケーションを低コストのデスクトップGPUでテストし、より高速で洗練されたサーバー
Cpuとムーアの法則の終わり
ムーアの法則が崩壊すると、1999年にNVIDIAによって発明されたGpuは、ちょうど間に合いました。
ムーアの法則は、集積回路に詰め込むことができるトランジスタの数が約二年おきに倍増することを仮定しています。 何十年もの間、それは計算能力の急速な増加を駆動しています。, その法律は、しかし、ハード物理的な限界に対して実行しています。
Gpuスクール”であり続ける加速の応用などのグラフィックス、スーパーコンピューティングと愛の”に分け作業の中で多くのプロセッサです。 2017A.M.チューリング賞を受賞したJohn HennesseyとDavid Pattersonによると、このようなアクセラレータは半導体の未来にとって重要であり、Computer Architecture:A Quantitative Approach the seminal textbook on microprocessorsの著者である。,
Gpu：AI、コンピュータビジョン、スーパーコンピューティングなどの鍵
過去十年間にわたって、アプリケーションの成長範囲に証明された鍵です。
Gpuは、Cpuよりもすべてのエネルギー単位ではるかに多くの作業を実行します。 そのキー-スーパーまでその押しここでは、その日の気リです。
AIでは、Gpuが”深層学習”と呼ばれる技術の鍵となっています。”深層学習が降り注ぐ膨大なデータを通じてニューラルネットワークを育て業務を行うことも複雑な人間活動のメリカ-サンフランシスコについて?解決方法/評価,
AIとゲーミング：GPUを搭載した深層学習は完全な円になります
NVIDIA Gpuに専用のTensorコアを含めることにより、深層学習能力が加速されます。 テンソルコアは、AIの中心である大きな行列演算を高速化し、単一の操作で混合精度の行列乗算と累積計算を実行します。 これは、あらゆる種類の従来のAIタスクを高速化するだけでなく、ゲームを加速するために活用されています。,
自動車業界では、Gpuには多くの利点があります。 を比類のない画像の認識力しています。 しかし、それらはまた、膨大な数の異なる現実世界のシナリオから学び、適応することができる自動運転車を作成するための鍵です。,
ロボット工学では、Gpuは、あなたが期待するように、マシンが自分の環境を認識できるようにするための鍵です。 しかし、彼らのAI機能は、自律的にナビゲートするなどの複雑なタスクを学習できるマシンの鍵となっています。
医療および生命科学では、Gpuには多くの利点があります。 それらはイメージ投射仕事にとって理想的、当然である。 しかし、GPUベースの深層学習は、これらの画像の分析を高速化します。 彼らは医療データをクランチし、深い学習を通じてそのデータを新しい機能に変えるのに役立ちます。
要するに、Gpuが不可欠になってきました。 らの加速により、ゲームやグラフィー。, 今、彼らはコンピューティング馬力が違いを生むより多くの分野を加速しています。
- AIはソフトウェアを食べている
- AIはデータセンターで加速されたコンピューティングの上昇を駆動します
- ハードウェアとソフトウェア加速レイトレーシングの違いは何ですか？ li>
- Max-Qとは何ですか？li>
- 仮想GPUとは何ですか？
- レイトレーシングとラスタライゼーションの違いは何ですか？,
- 人工知能、機械学習、深層学習の違いは何ですか？
- NVLinkとは何ですか？ li>
- CUDAとは何ですか？