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：