探索GPU的奇妙世界：简明讲解，不容错过！
什么是 GPU？
GPU的英文全称是Unit，图形处理单元。
说白了：GPU是一种专门的图形处理芯片，可以进行图形渲染、数值分析、金融分析、密码破解等数学计算和几何运算。 GPU可以运行在PC、工作站、游戏机、手机、平板电脑等多种智能终端设备上。
GPU和显卡之间的关系就像CPU和主板之间的关系一样。 前者是显卡的心脏，后者是主板的心脏。 有些朋友把GPU和显卡看成是同一个东西。 事实上，还是有一些差异的。 显卡不仅包括GPU，还包括一些显存、VRM稳压模块、MRAM芯片、总线、风扇、KTV设备接口等。
GPU 和 CPU 哪个最强？
GPU（图形处理单元）和CPU（中央处理单元）是两种不同的硬件设备，在不同的领域各自具有不同的优势。 它们的性能和功率取决于具体的应用场景和任务。
CPU是通用处理器，主要负责执行各种计算和控制任务。 它擅长单线程任务和复杂逻辑计算，并且具有更高的时钟频率和更大的缓存容量，使其在串行处理任务上表现良好。
因此，对于一些单线程性能要求较高、需要复杂逻辑计算或控制流程的任务，CPU是更合适的选择。
如果您不确定购买哪个型号，可以参考这张图片。 有相关功能，可以根据需要进行配置~
GPU是专为图形渲染和并行计算而设计的专用处理器。 它拥有大量的处理核心（CUDA核心），可以同时处理多个任务并并行执行大规模浮点运算。 这使得GPU在高性能计算、机器学习、深度学习等需要大规模并行计算的任务中表现出色。 对于这些需要大规模并行计算的任务，GPU 通常比 CPU 更强大。
接下来我们来做一个简单的对比
·结构组成不同
CPU和GPU都是计算处理器，其架构由计算单元ALU、控制单元和缓存单元Cache三部分组成。
不过，三者的比例却相差甚远。
CPU中，缓存单元约占50%，控制单元25%，计算单元25%；
GPU中，缓存单元约占5%，控制单元占5%，计算单元占90%。
结构组成上的巨大差异表明CPU的计算能力更加均衡，但不适合做大量的计算； GPU更适合做大量的计算。
这并不是说 GPU 更强大。 事实上，GPU更像是工厂流水线上的一大群工人。 它适合做大量简单的计算，但不能做非常复杂的计算。 但简单的事情完成得非常快，比 CPU 快得多。
与GPU相比，CPU更像是一个技术专家，可以做复杂的运算，比如逻辑运算、响应用户请求、网络通信等。但由于ALU占的比例较小，核心也较少，所以适合做复杂操作的数量相对较少。
·缓存不同
·CPU中大约50%是缓存单元，为四级缓存结构； 在GPU中，缓存是一级或二级的。
·浮点运算不同
·CPU性能更注重线程的性能，在控制部分做了更多的事情。 这是为了保证控制指令不会被中断，并在浮点计算时消耗更少的电量。 与CPU相比，GPU的结构更加简单，基本上只进行单精度或双精度浮点运算。 GPU的计算速度更快，吞吐量更高。
·反应不同
·CPU基本实时响应，采用多级缓存，保证多任务的响应速度。 GPU经常使用批处理机制，即任务排队并逐个处理。
对于GPU图形处理来说，我们假设在实时渲染中，一帧1080*720P的图片，那么这张图片大约有像素。 如果按照最基本的帧率24帧/秒来计算。 一秒钟需要计算机处理 18,662,400 个像素。 这还是高清的。 如果是1090*1080、2K、4K甚至8K的视频渲染，可想而知计算量有多大。 尤其是在游戏这样的实时渲染场景下，单纯依靠CPU渲染显然会超时。 事实上，屏幕上显示的三维物体经过多次坐标变换，物体表面会受到环境中各种光线的影响，呈现出不同的颜色和阴影。 这包括光的漫射、折射、透射、散射等。
接下来我们以为例，看看GPU是如何渲染的。 有 10,496 个流式多处理器，每个核心都有用于整数算术和浮点运算的部分，以及用于对操作数进行排队和收集结果的部分。 所谓流式多处理器可以认为是一个独立的任务处理单元，或者一个GPU包含10496个CPU同时处理各种图像处理任务。
·
我们可以使用算法和程序对每秒像素的整体任务进行切片，允许 10,496 个处理器并行计算。 在这种情况下，每个处理器每秒负责处理大约 /10496，即 1778 个像素的渲染任务。 如下图所示，GPU被划分为多个流处理区域。 每个处理区域包含数百个核心。 每个核心相当于一个简化版的CPU，具有整数运算和浮点运算的功能。 以及排队和结果收集功能。
请注意，除了流处理器 CUDA 之外，GPU 性能还受到以下因素的影响：
·核心频率：频率越高，性能越强，功耗也越高。
·显示位宽：单位为位。 位宽决定了显卡可以同时处理的数据量。 越大越好。
·显存容量：显存容量越大，可缓存的数据越多。
·显存频率：单位为MHz或bps。 显存频率越高，图形数据传输速度越快。
·总结 简单来说，无论是处理图形渲染、数值分析，还是AI推理，都会用到GPU。 底层逻辑是分解极其繁重的数学任务，简化复杂的任务。 然后，利用GPU多流处理器机制将大量操作分解为小的、简单的操作并并行处理。 我们也可以把GPU看成一个集群，里面的每个流处理器就是一个CPU，这个很容易理解。
以上是GPU的概念和工作原理的简单介绍。 听起来很简单，但实际上，在图形处理方面，还有很多深层次的处理逻辑没有展开，比如像素位置变换、三角原理等。
·在这个行业，一定是牛逼的。 如果您有GPU相关问题或者想要购买，可以联系他们。 还有许多显卡使用其 GPU。 购买时可以询问一下。
#AI#GPU#人工智能#