GPU與CPU
阿新 • • 發佈：2019-03-21
核心 應用 目標 寄存器 點運算 程序 分享 ces 復雜
GPU與CPU
CPU
- CPU，也就是中央處理器，結構主要包括控制器（指揮各部分工作）、運算器（實現數據加工）、寄存器、高緩以及數據/控制/狀態總線。計算機的性能很大程度上依賴於CPU，CPU的功能包括程序控制（控制指令執行的先後順序）、操作控制（控制指令操作）、時間控制（控制各種操作的時間）、數據加工（實現數據的算術和邏輯運算）等，簡單來說，CPU就是對指令流和數據流進行時間和空間上的控制。CPU擅長處理諸如分布式、協調控制這種復雜運算，具有很強的通用性。
- 由於CPU中存儲單元和控制單元占用了大量空間，所以計算單元是受限的，這一缺點在並行問題上就體現出來了，它在要求大規模與快處理速度的問題上顯得有些局限。因此，擁有眾多計算單元的GPU就出現了。
GPU
- GPU全稱為Graphics Processing Unit，即圖形處理器。
- GPU最初是為了端遊設計的，因為在遊戲中要對大量數據重復相同的操作，所以GPU面對的是類型高度統一、相互無依賴的大規模數據。由於設計目標不同，所以GPU和CPU在架構上差異很大。GPU中有很多計算單元，流水線也相當長，而邏輯運算單元設計相對簡單。GPU的核數遠遠多於CPU，將相同的指令發送到眾核上處理不同的數據，這一架構有利於GPU處理擁有很多數據的問題。
區別
- CPU和GPU的主要區別是CPU是通用計算，而GPU是專用計算。
- 打個比方來講，CPU是老教授，能力很強但數量很少，GPU是小學生，能力很弱但數量眾多。
- 提供了多核並行計算的基礎結構，且核心數非常多，可以支撐大量數據的並行計算。
- 擁有更高的訪存速度。
- 更高的浮點運算能力。浮點運算能力是關系到處理器的多媒體、3D圖形處理的一個重要指標。現在的計算機技術中，由於大量多媒體技術的應用，浮點數的計算大大增加了，比如3D圖形的渲染等工作，因此浮點運算的能力是考察處理器計算能力的重要指標。
- 深度學習是模擬人腦神經系統而建立的數學網絡模型，這個模型的最大特點是，需要大數據來訓練。因此，對電腦處理器的要求，就是需要大量的並行的重復計算，GPU正好有這個專長，時勢造英雄，因此，GPU就出山擔當重任了。
GPU與CPU