편집자 주:Kevin Krewell 이 저술하고 2009 년 12 월에 발표 한 Gpu 와 Cpu 의 차이점에 대한 원래 게시물을 업데이트했습니다.
CPU(중앙 처리 장치)는 PC 의 두뇌라고 불 렸습니다. GPU 의 영혼. 그러나 지난 10 년 동안 Gpu 는 PC 의 boxy 경계에서 벗어났습니다.
Gpu 는 전세계 AI 붐을 일으켰습니다. 그들은 현대 슈퍼 컴퓨팅의 핵심 부분이되었습니다., 그들은 거대한 새로운 하이퍼 스케일 데이터 센터로 짜여졌습니다. 아직도 소중이머,그들은 그가 바로 연결 속도 모든 종류의 작업에서 암호화하는 네트워킹을 AI.그리고 그들은 워크 스테이션,데스크탑 Pc 및 새로운 세대의 랩톱 내부에서 게임 및 프로 그래픽의 발전을 계속 추진하고 있습니다.
GPU 란 무엇입니까?이 문제를 해결하려면 CPU 와 GPU 의 차이점은 무엇입니까?,
는 Gpu(graphics processing unit)이에 대해 지금보다 더 많이 개에서는 처음으로 나타났고,그들이 남아 있에 고정된 아이디어라고 병렬 컴퓨팅에 있습니다. 그리고 이것이 Gpu 를 매우 강력하게 만드는 것입니다.물론 Cpu 는 필수적입니다. 빠르고 다재다능한 Cpu 는 많은 상호 작용이 필요한 일련의 작업을 통해 경쟁합니다. 예를 들어 사용자의 키 입력에 대한 응답으로 하드 드라이브에서 정보를 불러옵니다.반면 Gpu 는 복잡한 문제를 수천 또는 수백만 개의 개별 작업으로 나누고 한 번에 해결했습니다.,
그들을 만드는 이상적인에 대한 그래픽을,어디서화에이고의 렌더링을 수행 한 번에 이미지를 유지하는 비행 화면에서.,v id=”bdcf9e66d4″>
중앙처리장치
Graphics Processing Unit
여러 가지 코어는
코어를 많
낮은 대기시간
높은 처리량
좋은 위한 직렬처리
좋은 위한 병렬처리
할 수 있는 소수의 작업은 한 번에
할 수 있는 수천 명의 운영에 한 번
구조적으로, CPU 의 구성은 단지 몇 가지 코어의 많은 캐시 메모리를 처리할 수 있는 몇 가지 소프트웨어 스레드니다., 반면 GPU 는 수천 개의 스레드를 동시에 처리 할 수있는 수백 개의 코어로 구성됩니다.
Gpu 는 병렬 컴퓨팅의 한때 난해한 기술을 제공합니다. 그것은 슈퍼 컴퓨팅 천재 Seymor Cray 와 같은 이름을 포함하는 걸출한 혈통을 가진 기술입니다. 하지만 보다는 오히려 모양의 덩치가 큰 슈퍼컴퓨터,Gpu 이는 아이디어에서 작업 데스크톱과 게임 콘솔의 억 개 이상의 게이머입니다.
Gpu,컴퓨터 그래픽 최초의 많은 앱
는 응용 프로그램—컴퓨터 그래픽스—었의 첫 번째 여러 가지 킬러 어플리케이션., 그리고 그것은 앞으로 Gpu 뒤에 거대한 R&d 엔진을 구동하고 있습니다. 이 모든 것이 Gpu 가 틈새 시장에 서비스를 제공하는보다 전문화 된 고정 기능 칩보다 앞서 경쟁 할 수있게합니다.
그 모든 힘을 접근 가능하게 만드는 또 다른 요소:CUDA. 처음에 출시 2007,병렬 컴퓨팅 플랫폼 수 있습더 활용하는 컴퓨팅의 힘 Gpu 는 일반적인 목적을 위해 처리를 삽입하여 몇 가지 간단한 명령으로 그들의 코드입니다.Gpu 가 놀라운 새로운 분야에서 증식 할 수있게되었습니다., 과에 대한 지원과 함께 빠른 성장 수준과 같은 Kubernetes 고 나온—응용 프로그램에서 테스트할 수 있는 저가 데스크탑 GPU 및 확장을 더 빠르고,더 많은 정교한 서버 Gpu 뿐만 아니라 모든 주요 클라우드 서비스 공급자입니다.
Cpu 와 무어의 법칙의 끝
무어의 법칙이 감겨지면서 1999 년 NVIDIA 가 발명 한 Gpu 는 제 시간에 왔습니다.
무어의 법칙은 집적 회로에 밀어 넣을 수있는 트랜지스터의 수가 약 2 년마다 두 배가 될 것이라고 가정한다. 수십 년 동안 컴퓨팅 파워의 급격한 증가를 주도하고 있습니다., 그 법은,그러나,하드 물리적 한계에 대해 실행하고있다.
Gpu 는 그래픽,슈퍼 컴퓨팅 및 AI 와 같은 응용 프로그램을 많은 프로세서간에 작업을 나누어 계속 가속화 할 수있는 방법을 제공합니다. 이러한 가속기는 중요한 미래로의 반도체에 따르면,요한 헤네시고 다윗 Patterson,의 수상자 2017 년 미국 뉴 상을 수상하고 저자의 컴퓨터 아키텍처:정량적 방법 정액에 교과서 마이크로프로세서.,
Gpu:키 AI,컴퓨터 비전,슈퍼컴퓨팅과 더
지난 십 년간 그의 검증된 핵심 성장하는 응용 프로그램의 범위.Gpu 는 Cpu 보다 모든 에너지 단위에 대해 훨씬 더 많은 작업을 수행합니다. 즉,그렇지 않으면 오늘날의 전기 그리드의 한계를지나 밀어 것 슈퍼 컴퓨터의 키를합니다.
AI 에서 Gpu 는”딥 러닝”이라는 기술의 핵심이되었습니다.”깊은 학습이 쏟아지는 방대한 양의 데이터를 통해 신경 네트워크,그들을 훈련 작업을 수행하기 너무 복잡한 인간의 코더 설명한다.,
AI 및 게임:GPU 구동 딥 러닝은 NVIDIA Gpu 에 전용 텐서 코어가 포함 된 덕분에 딥 러닝 기능이 가속화됩니다. 텐서 코어는 AI 의 중심에있는 대규모 매트릭스 연산을 가속화하고 단일 연산으로 혼합 정밀도 매트릭스 곱셈 및 누적 계산을 수행합니다. 즉,모든 종류의 전통적인 인공 지능 작업을 가속화 할뿐만 아니라 이제 게임을 가속화하기 위해 도청되고 있습니다.,
Gpu 원점으로 돌아온:텐서 코어가 내장된 엔비디아의 튜링 Gpu 가속 AI,which,in turn,이제하는 데 사용되는 가속화합니다.
자동차 산업에서 Gpu 는 많은 이점을 제공합니다. 그들은 당신이 기대하는 것처럼 타의 추종을 불허하는 이미지 인식 기능을 제공합니다. 그러나 그들 또한 중요성의 차량을 배울 수 있서하고 적응하는 광대 한 번호의 실제 시나리오.,
로봇 공학에서 Gpu 는 예상대로 기계가 환경을 인식 할 수있게하는 열쇠입니다. 그러나 그들의 인공 지능 기능은 자율적으로 탐색하는 것과 같은 복잡한 작업을 배울 수있는 기계의 핵심이되었습니다.
의료 및 생명 과학 분야에서 Gpu 는 많은 이점을 제공합니다. 물론 이미징 작업에 이상적입니다. 그러나 GPU 기반 딥 러닝은 이러한 이미지의 분석 속도를 높입니다. 그들은 의료 데이터를 크런치하고 깊은 학습을 통해 그 데이터를 새로운 기능으로 바꾸는 것을 도울 수 있습니다.
요컨대 Gpu 는 필수적이되었습니다. 그들은 게임과 그래픽을 가속화함으로써 시작되었습니다., 이제 그들은 컴퓨팅 마력이 차이를 만들 수있는 영역을 점점 더 가속화하고 있습니다.
