订阅
|
今天简单聊聊CPU与GPU。 CPU 的故事我们聊得比较多了。之前也发布过很多关于CPU的文章。因此这里重点聊聊GPU。 教授 vs 小学生 你可以简单的将CPU理解为学识渊博的教授。什么都精通。 而GPU则是一堆小学生。只会简单的算数运算。 可即使教授再神通广大。也不能一秒钟内计算出500次加减法。 因此对简单重复的计算来说单单一个教授敌不过数量众多的小学生。在进行简单的算数运算这件事上。500个小学生(并发)可以轻而易举打败教授。  因此我们可以看到。CPU和GPU的最大不同在于架构。 CPU适用于广泛的应用场景(学识渊博)。可以执行任意程序。 而GPU则专为多任务而生。并发能力强。具体来讲就是多核。一般的CPU有2核、4核、8核等。而GPU则可能会有成百上千核：  可以看到。CPU内部cache以及控制部分占据了很大一部分片上面积。因此计算单元占比很少。 再来看看GPU。GPU只有很简单的控制单元。剩下的大部分都被计算单元占据。因此CPU的核数有限。而GPU则轻松堆出上千核： 只不过CPU中每个核的能力好比教授。而GPU的每个核的能力好比一个小学生。 你可能会想。为什么GPU需要这么奇怪的架构呢？ 为什么GPU需要这么多核心？ 想一想计算机上的一张图是怎么表示的？无非就是屏幕上的一个个像素： 我们需要为每个像素进行计算。而且是相同的运算。 就好比刚才例子中的小学生计算计加法一样。 注意。对于屏幕来说一般会有上百万个像素。如果我们要串行的为每一个像素进行运算效率就太低了。 因此我们可以让GPU中的每一个核心去为相应的像素进行计算。由于GPU中有很多核心。因此并行计算可以大幅提高速度。 现在你应该明白为什么GPU要这样工作了吧。 除了GPU的核心数比较多之外。GPU的工作方式也比较奇怪。 奇怪的工作方式 对CPU来说。不同的核心可以执行不同的机器指令。 coreA在运行word线程的同时coreB上可以运行浏览器线程。这就是所谓的多指令多数据。MIMD。(Multiple Instruction, Multiple Data)。 而GPU则不同。GPU上的这些核心必须整齐划一的运行相同的机器指令。只是可以操作不同的数据。 这就好比这些小学生在某个时刻必须都进行加法计算。不同的地方在于有的小学生可能需要计算1+1。有的要计算2+6等等。变化的地方仅在于操作数。这就是所谓的单指令多数据。SIMD。(Single Instruction, Multiple Data)。 因此我们可以看到GPU的工作方式和CPU是截然不同的。 除了这种工作方式之外。GPU的指令集还非常简单。不像CPU这种复杂的处理器。 如果你去看CPU的编程手册就会发现。CPU负责的事情非常多：中断处理、内存管理、IO等等。这些对于GPU来说都是不存在的。 可以看到GPU的定位非常简单。就是纯计算。GPU绝不是用来取代CPU的。CPU只是把一些GPU非常擅长的事情交给它。GPU仅仅是用来分担CPU工作的配角。 CPU和GPU是这样配合工作的： GPU擅长什么 比较适合GPU的计算场景是这样的：1)计算简单；2）重复计算。 因此如果你的计算场景和这里的图像渲染相似那么使用GPU就很合理了。 因此对于图形图像计算、天气预报、AI人工智能以及神经网络等都适用于GPU。 好啦。这个话题今天就到这里。希望这篇对大家理解GPU有所帮助。 
|
|
10 人收藏 |
 鲜花 |
 握手 |
 雷人 |
 路过 |
 鸡蛋 |
收藏
邀请
654人
