计算生态导论│图形处理器与中央处理器的对比
本文介绍图形处理器的定义以及图形处理器与中央处理器的对比。
GPU(graphic processing unit,图形处理器)通常称为显卡,就像大脑对于一个人的重要性一样,GPU是显卡的大脑,是显卡中最为重要的部件,它决定了显卡的档次和大部分的性能。
GPU拥有上百颗甚至上万颗运算核心,比如RTX2080Ti的GPU的核心数量多达4352个,相比于CPU只有个位数的核心数,GPU的运算能力极强。GPU类似于流水线,几千个工人干着无差别的劳动,他们不需要统一调配、互相牵制合作,而是每个人只做自己手头上的工作,每个运算核心计算着自己的工作,不用担心计算结果的调配、计算结果的转移等复杂操作。
所以,GPU的主要功能是并行运算,帮助我们做一些计算量大、重复量大的工作,例如图形渲染等。GPU的目的是协助CPU完成高密度的复杂任务。
■图3-1 GPU结构图
在图3-1中可以看到,对于GPU来说,它的控制单元Control(黄色部分)与缓存单元Cache(红色部分)比例较小,而运算单元ALU(绿色)部分比例最多。GPU采用了流式并行计算的模式,对每个数据在ALU中进行独立的并行计算,不依赖于其他同类型数据。
举一个简单的例子,在一张图的渲染中,不同的ALU负责不同像素点的计算,即有的ALU计算图片的左上角部分,有的ALU计算图片的右下角部分,不同部分的数据互不影响,最终将生成的整张完整的渲染图片呈现于计算机屏幕上,这便是GPU的特点,即不断做一些重复量大、运算量大且关联性不大的工作。
01
图形处理器与中央处理器的对比
对比GPU与CPU,它们在结构上有非常大的差异。图3-7展示了GPU和CPU的结构对比。从图3-7可以看出,CPU的大部分面积为控制器(黄色部分)和寄存器(红色部分Cache),与之不同的,GPU则拥有更多的ALU用于数据处理,对于GPU来说,它可以处理更加复杂的运算数据,所以GPU逐渐应用于机器学习等一系列需要大量计算的应用领域。
相比于CPU,GPU并没有特别良好的控制体系,所以无法处理一些复杂多样化的问题,类似于一些需要知道数据相关性的算法,在GPU上很难实现。
■图3-7 GPU和CPU的结构对比
如果举一个例子进行对比的话,CPU类似于公务员体系中的一个部门,不同职位间的工作人员互相帮忙,互相协作,做自己不同的工作,不断地开会、总结,最终形成一套完整的解决方案,然后每个部门负责不同的工作,不同部分之间可以进行沟通,开会讨论,最终解决一个复杂的问题。
而GPU类似于加工厂,每个人做着自己的工作,不用担心其他人做什么工作、工作进度如何,只专注于自己手头上的工作,甚至大多数人做着一样的工作。他们不需要开会,不需要总结,很多时刻很多人只干着同一份工作。
最终,各个厂房的人做出来的东西被集中在一起,工作进度就算完结。尽管两方的工作模式差异特别大,但我们可以知道的是,在社会上,公务员团队和加工厂团队都是不可或缺的,只有两个团队好好配合,才能完成社会上各种各样的工作,这也是计算机运行的一个准则。总的来说,GPU与CPU各方面数据的比较见表3-3。
表3-3 GPU与CPU各方面数据的比较
可以看出,由于GPU中的控制器少于CPU,因此在控制流方面 GPU弱于CPU。控制器的主要功能是取指令,并指出下一条指令的位置,协助计算机各部分有条不紊地工作。但因为GPU具有更多的寄存器计算单元等,所以GPU运算的速度显著大于CPU,适合对大量数据进行计算。GPU上的数据不需要依赖其他数据进行计算,例如渲染一张图片,CPU需要不断通过循环语句遍历像素,所以代码的量和考虑的逻辑语句较多。而在GPU上,只通过一条代码即可完成,不需要过多地考虑其他像素点的属性。
当认识了GPU和CPU之后,我们会产生一个疑问,什么程序适合在GPU上运行呢?根据GPU独特的结构特征,可以得出计算密集型的程序与易于并行的程序更适合在 GPU上运行。
本文摘自
《计算生态导论》第3章3.1、3.4节,有删减。
02
参考书籍
《计算生态导论》
高英 汤庸 编著
定价:49元
扫码优惠购书
编辑推荐
随着信息技术的飞速发展,各行业领域的关键系统逐渐向信息化方向转型。近年来,计算生态中平台组成要素的发展成为了趋势,事关社会经济、政治、军事等各个方面,与国家安全紧密联系。倘若依托国外掌握的核心科技,国内的计算生态将始终存在“受制于人”的巨大隐患,因此,推动计算生态平台国产化迫在眉睫,刻不容缓。
本书立足于学术界和国内外商业市场,对计算平台生态组成要素的发展状况进行了较为充分的调研,并以整体视角对计算平台生态进行了全面介绍,既普及了计算平台生态组成要素的相关基础理论,又以计算平台生态组成要素的发展为基本脉络,梳理各时期的代表产品,供读者学习了解。
本书重点阐述计算生态中平台组成要素国产化举措,并且着重介绍部分国内较为经典的软硬件产品,意在引导读者认识国产计算平台生态的发展现状。
希望本书的出版对读者有所启发和帮助,并为国产计算平台生态的良性发展提供必要的信息支撑。
作者简介
高英:博士,教授,华南理工大学计算机科学与工程学院副院长;主要研究方向包括软件开发环境与信息集成、人工智能应用技术、网络空间安全,发表SCI或EI收录的学术论文70多篇,授权国家发明专利22项,曾获广东省科学技术一等奖、三等奖,中国爆破行业协会科技进步奖一等奖、特等奖,广东省教学成果二等奖等多项省部级教学科研成果。
汤庸:学者网创始人,博士,教授,华南师范大学校学术委员会副主任、校教学指导委员会主任,中国计算机学会协同计算专委主任,广东省服务计算工程研究开发中心主任,广东省计算机学会常务副理事长。获国务院政府特殊津贴、教育部新世纪优秀人才计划、宝钢教育奖、丁颖科技奖、CCF杰出演讲者,广东省科学技术一等奖、教育部科技进步二等奖、广东省教学成果一等奖等10多项省部级成果。
03
精彩推荐
计算生态导论│中央处理器的发展史
一文纵览计算平台生态现状
通关操作系统 | 银行家算法(附视频限免)
通关操作系统 | 死锁问题(附视频限免)
通关操作系统 | 调度算法(附视频限免)
通关操作系统 | 同步问题举例(附视频限免)
通关操作系统 | 进程的同步与互斥(附视频限免)
通关操作系统 | 进程控制(附视频限免)
通关操作系统 | 进程的概念(附视频限免)
人工智能实践: 基于T-S 模型的模糊推理(附源码)
Python自然语言处理|语料清洗(附视频)
Python编程|实现基于字典的通讯录
CCF CSP-J/S第一轮认证考纲详解
Python 韩信点兵思政案例(含优惠码)
Python ︱爬取天气预报信息(附视频)
《机器学习》实验指导书(附实验参考+代码)
Python爬虫综合实战 │ 创建云起书院爬虫(附代码)
Python爬虫实战 │ Email提醒(附代码)
Python深度学习 │一文掌握卷积神经网络 返回搜狐,查看更多
责任编辑: