Как отличить мощность процессора от видеокарты

Обновлено: 30.06.2024

Центральные процессоры (ЦП) и графические процессоры (ГП) – это основные вычислительные механизмы. Но по мере развития вычислительных потребностей не всегда ясно, в чем разница между ЦП и ГП и какие рабочие нагрузки лучше всего подходят для каждого из них.

Знайте, когда следует полагаться на процессор, а когда выбирать графический процессор

ЦП и ГП обладают уникальными преимуществами, которые позволят им играть важную роль в удовлетворении вычислительных потребностей будущего.

Графические процессоры являются важной частью продуктов Intel сегодня в виде интегрированных и дискретных графических процессоров.

Несмотря на то, что центральные процессоры по-прежнему имеют решающее значение, графические процессоры могут быть полезны для растущего числа рабочих нагрузок центров обработки данных.

Будь то приложения для глубокого обучения, массовый параллелизм, интенсивные 3D-игры или другая ресурсоемкая рабочая нагрузка, сегодня от систем требуется больше, чем когда-либо прежде. Центральный процессор (CPU) и графический процессор (GPU) играют очень разные роли. Для чего используются процессоры? Для чего используются графические процессоры? При покупке нового компьютера и сравнении характеристик важно знать, какую роль играет каждый из них.

Что такое процессор?
ЦП, состоящий из миллионов транзисторов, может иметь несколько вычислительных ядер и обычно называется мозгом компьютера. Это необходимо для всех современных вычислительных систем, поскольку оно выполняет команды и процессы, необходимые для вашего компьютера и операционной системы. ЦП также важен для определения скорости работы программ, от просмотра веб-страниц до создания электронных таблиц.

Что такое графический процессор?
Графический процессор — это процессор, состоящий из множества более мелких и специализированных ядер. Работая вместе, ядра обеспечивают высокую производительность, когда задача обработки может быть разделена и обработана несколькими ядрами.

В чем разница между процессором и графическим процессором?
ЦП и ГП имеют много общего. Оба являются критически важными вычислительными двигателями. Оба являются кремниевыми микропроцессорами. И оба обрабатывают данные. Но процессоры и графические процессоры имеют разную архитектуру и предназначены для разных целей.

ЦП подходит для самых разных рабочих нагрузок, особенно для тех, для которых важна задержка или производительность каждого ядра. Мощный исполнительный механизм ЦП фокусирует свое меньшее количество ядер на отдельных задачах и на быстром выполнении задач. Благодаря этому он идеально подходит для различных задач, от последовательных вычислений до работы с базами данных.

GPU начинались как специализированные ASIC, разработанные для ускорения определенных задач 3D-рендеринга. Со временем эти механизмы с фиксированными функциями стали более программируемыми и гибкими. В то время как графика и все более реалистичные визуальные эффекты современных популярных игр остаются их основной функцией, графические процессоры также эволюционировали, чтобы стать более универсальными параллельными процессорами, поддерживающими растущий спектр приложений.

Что такое встроенная графика?
Встроенная или общая графика построена на том же чипе, что и ЦП. Некоторые процессоры могут поставляться со встроенным графическим процессором, а не полагаться на выделенную или дискретную графику. Также иногда называемые IGP или интегрированными графическими процессорами, они делят память с ЦП.

Встроенные графические процессоры обладают рядом преимуществ. Их интеграция с центральными процессорами позволяет им обеспечивать преимущества в пространстве, стоимости и энергоэффективности по сравнению с выделенными графическими процессорами. Они позволяют обрабатывать данные, связанные с графикой, и инструкции для стандартных задач, таких как просмотр веб-страниц, потоковая передача фильмов в формате 4K и казуальные игры.

Такой подход чаще всего применяется к устройствам, для которых важен компактный размер и энергоэффективность, например ноутбукам, планшетам, смартфонам и некоторым настольным компьютерам.

Ускорение глубокого обучения и искусственного интеллекта
Сегодня графические процессоры выполняют все больше рабочих нагрузок, таких как глубокое обучение и искусственный интеллект (ИИ). Для обучения глубокому обучению с несколькими слоями нейронной сети или большими наборами определенных данных, например 2D-изображений, идеально подходит графический процессор или другие ускорители.

Алгоритмы глубокого обучения были адаптированы для использования подхода с ускорением на графическом процессоре, что значительно повысило производительность и впервые довело обучение нескольких реальных задач до допустимого и жизнеспособного диапазона.

Со временем процессоры и программные библиотеки, работающие на них, эволюционировали и стали более способными выполнять задачи глубокого обучения. Например, благодаря обширной оптимизации программного обеспечения и добавлению специализированного оборудования для ИИ, такого как Intel® Deep Learning Boost (Intel® DL Boost) в новейших процессорах Intel® Xeon® Scalable, системы на базе ЦП улучшили производительность глубокого обучения.

Для многих приложений, таких как глубокое изучение языка, текста и данных временных рядов с высоким разрешением, 3D и не основанных на изображениях, процессоры блестят. ЦП могут поддерживать гораздо больший объем памяти, чем даже самые лучшие сегодняшние графические процессоры, для сложных моделей или приложений глубокого обучения (например, для обнаружения 2D-изображений).

Сочетание процессора и графического процессора, а также достаточного объема оперативной памяти обеспечивает отличный испытательный стенд для глубокого обучения и искусственного интеллекта.

Десятилетия лидерства в разработке ЦП
Intel имеет долгую историю инноваций в области ЦП, начавшуюся в 1971 году с выпуска 4004, первого коммерческого микропроцессора, полностью интегрированного в один чип.

Сегодня процессоры Intel® позволяют создавать нужный ИИ там, где вы хотите, на знакомой вам архитектуре x86. От высокопроизводительных процессоров Intel® Xeon® Scalable для центров обработки данных и облачных сред до энергоэффективных процессоров Intel® Core™ для периферийных устройств — Intel предлагает ЦП, отвечающий любым требованиям.

Интеллектуальная производительность процессоров Intel® Core™ 11-го поколения
Процессоры Intel® Core™ 11-го поколения используют усовершенствованный технологический процесс Intel и обновленную архитектуру ядра, полностью новую графическую архитектуру и встроенные инструкции искусственного интеллекта для интеллектуальной оптимизации производительность и впечатления.

Системы на базе процессоров Intel® Core™ 11-го поколения оснащены новейшей встроенной графикой Intel® Iris® X e. Отдельные устройства форм-фактора, такие как ультратонкие ноутбуки, также будут включать в себя первый дискретный графический процессор (GPU) на базе архитектуры Intel X e. С дискретной графикой Intel® Iris® X e MAX вы получаете огромный скачок вперед среди тонких и легких ноутбуков, а также более высокую производительность и новые возможности для улучшенного создания контента и игр.

Графика Intel® Iris® X e оснащена искусственным интеллектом на базе технологии Intel® Deep Learning Boost для лучшего создания контента и редактирования фото и видео, а также архитектурой с низким энергопотреблением для увеличения времени работы от батареи, что позволяет проектировать и выполнять несколько задач одновременно.

р>

Дискретные графические процессоры Intel
Intel предлагает два варианта дискретных графических процессоров на основе архитектуры Intel X e.

Intel® Iris® X e MAX Graphics — это первый дискретный графический процессор для тонких и легких ноутбуков на базе архитектуры Intel X e. Благодаря оптимизации для работы с процессорами Intel® Core™ 11-го поколения вы получаете еще большую производительность и новые возможности для улучшенного создания контента и игр.

Серверный графический процессор Intel® — это дискретный графический процессор для центров обработки данных, основанный на новой архитектуре Intel X e. Серверный графический процессор Intel®, предназначенный для экспоненциального масштабирования, выводит игры для Android, транскодирование/кодирование мультимедиа и потоковую передачу видео по технологии Over Top (OTT) на новый уровень.

Сегодня это уже не вопрос ЦП и ГП. Вам больше, чем когда-либо, нужны и то, и другое для удовлетворения разнообразных вычислительных потребностей. Наилучшие результаты достигаются, когда для работы используется правильный инструмент.

ЦП (центральный процессор) работает вместе с ГП (графическим процессором) для увеличения пропускной способности данных и количества одновременных вычислений в приложении. Изначально графические процессоры были предназначены для создания изображений для компьютерной графики и игровых приставок, но с начала 2010 года их также можно использовать для ускорения вычислений с большими объемами данных.

ЦП никогда не может быть полностью заменен графическим процессором: графический процессор дополняет архитектуру ЦП, позволяя выполнять повторяющиеся вычисления в приложении параллельно, в то время как основная программа продолжает выполняться на ЦП. Центральный процессор можно рассматривать как диспетчер задач всей системы, координирующий широкий спектр вычислительных задач общего назначения, а графический процессор выполняет более узкий набор более специализированных задач (обычно математических). Используя мощь параллелизма, GPU может выполнять больше работы за то же время, что и CPU.

Разница между CPU и GPU

Основное различие между архитектурой ЦП и ГП заключается в том, что ЦП предназначен для быстрого выполнения широкого круга задач (измеряемых по тактовой частоте ЦП), но ограничен в параллельности задач, которые могут выполняться. Графический процессор предназначен для быстрой одновременной обработки изображений и видео высокого разрешения.

Поскольку графические процессоры могут выполнять параллельные операции с несколькими наборами данных, они также часто используются для неграфических задач, таких как машинное обучение и научные вычисления. Разработанные с тысячами процессорных ядер, работающих одновременно, графические процессоры обеспечивают массовый параллелизм, когда каждое ядро сосредоточено на выполнении эффективных вычислений.

ЦП и обработка GPU

Хотя графические процессоры могут обрабатывать данные на несколько порядков быстрее, чем ЦП, благодаря массовому параллелизму, графические процессоры не так универсальны, как ЦП. ЦП имеют большие и широкие наборы инструкций, управляя каждым вводом и выводом компьютера, чего не может сделать графический процессор. В серверной среде может быть от 24 до 48 очень быстрых ядер ЦП. Добавление от 4 до 8 графических процессоров на тот же сервер может обеспечить до 40 000 дополнительных ядер.Хотя отдельные ядра ЦП быстрее (измеряется по тактовой частоте ЦП) и умнее, чем отдельные ядра ГП (измеряется по доступным наборам инструкций), само количество ядер ГП и огромный объем параллелизма, который они предлагают, не ограничиваются одним -Разница в тактовой частоте ядра и ограниченный набор инструкций.

ГП лучше всего подходят для повторяющихся и высокопараллельных вычислительных задач. Помимо рендеринга видео, графические процессоры преуспевают в машинном обучении, финансовом моделировании и моделировании рисков, а также во многих других типах научных вычислений. В то время как в прошлые годы графические процессоры использовались для майнинга криптовалют, таких как Биткойн или Эфириум, графические процессоры, как правило, больше не используются в больших масштабах, уступая место специализированному оборудованию, такому как программируемые сетевые массивы (FPGA), а затем специализированные интегральные схемы (ASIC). .

Примеры вычислений CPU-GPU

Визуализация видео с помощью ЦП и ГП. Видеокарта помогает перекодировать видео из одного графического формата в другой быстрее, чем при использовании ЦП.

Ускорение данных. Графический процессор обладает расширенными вычислительными возможностями, которые ускоряют объем данных, которые ЦП может обработать за заданный промежуток времени. Когда есть специализированные программы, требующие сложных математических вычислений, таких как глубокое обучение или машинное обучение, эти вычисления могут быть разгружены графическим процессором. Это высвобождает время и ресурсы ЦП для более эффективного выполнения других задач.

Майнинг криптовалюты. Получение виртуальных валют, таких как биткойн, включает использование компьютера в качестве ретранслятора для обработки транзакций. В то время как центральный процессор может справиться с этой задачей, графический процессор на видеокарте может помочь компьютеру генерировать валюту намного быстрее.

Поддерживает ли HEAVY.AI CPU и GPU?

Да. Инициатива GPU Open Analytics (GOAI) и ее первый проект, GPU Data Frame (GDF, теперь cudf), стали первым общеотраслевым шагом к открытой экосистеме для сквозных вычислений на GPU. Теперь известный как проект RAPIDS, основная цель которого — обеспечить эффективную связь внутри графического процессора между различными процессами, работающими на графическом процессоре.

По мере распространения cudf в экосистеме обработки данных пользователи смогут беспрепятственно переносить процесс, работающий на графическом процессоре, в другой процесс, не копируя данные в центральный процессор. Благодаря удалению промежуточных сериализаций данных между инструментами обработки данных на GPU время обработки значительно сокращается. Более того, поскольку cudf использует функции межпроцессного взаимодействия (IPC) в API программирования Nvidia CUDA, процессы могут передавать дескриптор данных вместо копирования самих данных, обеспечивая передачу практически без дополнительных затрат. Конечным результатом является то, что GPU становится первоклассным вычислительным гражданином, а процессы могут взаимодействовать так же легко, как и процессы, работающие на CPU.

Автор: Ренана Дар Дата публикации: 2 сентября 2021 г. Расчетное время чтения: 6 минут

Сегодня мы обсудим различия между CPU и GPU. Хотя оба предназначены для выполнения одинаковых задач, приложения для каждого помещают их в разные категории. В то время как ЦП может использоваться для традиционной обработки рабочего стола, мощность графического процессора все больше используется в других областях. Давайте рассмотрим некоторые из этих областей и некоторые ключевые различия между процессором и графическим процессором.

Зачем вообще два разных типа процессоров?

Все в некоторой степени знакомы с процессорами. Известные как «мозг» компьютера, они состоят из миллионов и миллионов крошечных транзисторов с несколькими «ядрами». Это имеет решающее значение для обработки основных функций обработки компьютера. Без него были бы невозможны такие действия, как запуск операционной системы и приложений. Процессор также определяет общую скорость компьютера.

Графические процессоры более специализированы по своей природе. Первоначально разработанные для помощи в 3D-рендеринге, они могут выполнять больше обработки параллельно. Это идеально подходит для использования в приложениях с интенсивным использованием графики, которые полагаются на отображение динамического контента для игр или сжатие/распаковку потокового видео. Графические процессоры также используются во многих других областях, помимо рендеринга и обработки изображений, таких как искусственный интеллект и добыча биткойнов.

Основное различие между ЦП и ГП заключается в том, как они обрабатывают данные им инструкции. Говоря человеческим языком, можно сказать, что ЦП является мастером выполнения одной задачи за раз, тогда как ГП может выполнять несколько задач одновременно. В то время как некоторые работают лучше, выполняя действия в последовательном порядке, другие могут работать в многозадачном режиме.

ЦП получает набор данных для обработки и делает это последовательно. Все обрабатывается по порядку. Графические процессоры могут распределять данные между несколькими процессорами, предназначенными для конкретных задач.Этот метод распределения рабочей нагрузки на параллельные процессы является основной причиной по возможности переносить задачи на GPU.

Чтобы продемонстрировать мощь ЦП и ГП, NVIDIA обратилась за помощью к дуэту фанатиков, которые снялись в популярном сериале «Разрушители мифов». Адам Сэвидж и Джейми Хайнеман взяли очень узнаваемое произведение искусства и воспроизвели его, используя комбинацию робототехники и пейнтбольных шаров. В видеоролике «Разрушители мифов, демо GPU и ЦП» показана красочная игра с использованием как ЦП, так и ГП.

Как и следовало ожидать, первая демонстрация, иллюстрирующая поведение ЦП, показывает медленное, но точное последовательное выполнение выстрелов с краской, создающих знаменитую улыбку объекта. Увеличение скорости показывает, что у него есть возможность быстро стрелять, но это не то же самое, что следующая демонстрация.

Leonardo 2.0 – это машина-шедевр из Разрушителей мифов, которая иллюстрирует поведение графического процессора для выполнения параллельной обработки. При этом они могут воссоздавать гораздо более подробные произведения искусства, в частности, Мону Лизу. С обратным отсчетом и блестящей кнопкой машина создавала искусство почти мгновенно. Хотя может показаться, что все происходит одновременно, замедленный повтор подтверждает, что все происходит организованно.

Симбиотическая взаимосвязь процессора и графического процессора

То, что они разные, не означает, что одно лучше другого. Больше похоже на то, что каждый из них имеет конкретное применение в современных технологиях. Вы бы не хотели пытаться визуализировать высокодетализированную 3D-графику без графического процессора, чтобы сделать процесс более эффективным. С другой стороны, вы не будете использовать графический процессор для вычислительной мощности, необходимой для серверов баз данных, веб-браузеров и офисных приложений.

ЦП может выполнять те же вычисления, что и ГП. Однако производители оборудования признали, что разгрузка некоторых наиболее распространенных мультимедийных задач может снизить нагрузку на ЦП и повысить производительность. Такое увеличение производительности возможно только при правильном уровне координации ЦП и ГП.

ГП не предназначен для замены ЦП: ЦП по-прежнему является основным процессором вычислительного оборудования. Это тот, кто принимает решение обрабатывать пакет данных для обработки или передавать их в графический процессор.

Например, центральный процессор может выполнять те же вычисления для приложения, а графический процессор часто используется из-за особенностей его конструкции. Внутри графического процессора есть несколько инструкций, которые можно использовать повторно. Эти инструкции предназначены для параллельного выполнения.

Взаимодействие происходит, когда программист использует различные процедуры программирования, чтобы извлечь выгоду из существования графического процессора. Когда передача данных происходит на «уровне шины», полезная нагрузка и возвращаемые результаты быстро обмениваются. Сегодня необходимость определить, какие задачи обработки лучше передать графическому процессору, лежит на программисте; тем не менее, изучается идея «автоматической» разгрузки на GPU (см. эту статью и эту), но на данный момент это все только на академическом уровне.

Расширенное использование графических процессоров

Способы использования графических процессоров в современных приложениях постоянно расширяются. Это не только для рабочих нагрузок, таких как графический рендеринг для видеоигр. Он используется для развития передовых технологий: искусственный интеллект используется при моделировании приложений ИИ, которые выполняют такие операции, как анализ настроений, финансовое прогнозирование и обработка изображений.

В сфере искусственного интеллекта графические процессоры обеспечивают более масштабируемый подход к глубокому обучению, требующему обработки больших объемов данных, которые можно эффективно обрабатывать с помощью графических процессоров. Именно сложность обработки данных и делает использование графического процессора предпочтительным методом.

Сравнение глубокого обучения с использованием ЦП и ГП см., например, в этом тесте и в этой статье.

NVIDIA — ведущий производитель графического оборудования. Они предоставляют HPC SDK, поэтому разработчики могут использовать преимущества параллельной обработки с использованием одного или нескольких графических или центральных процессоров. Таким образом, разработчики могут использовать набор инструментов CUDA для обеспечения параллельной обработки в приложениях.

Для тех, кто ищет платформу, которая сможет начать пользоваться преимуществами графических процессоров NVIDIA, доступно много информации. Внедрение параллельной обработки становится менее хлопотным, когда у вас есть правильные инструменты. NVIDIA предоставляет CUDA для Windows и Linux. Обе версии бесплатны и просты в установке. Узнайте больше о CUDA и о том, как начать работу с C, C++ и Fortran.

Измени мир там, где это важно

Разговоры о теории ЦП и ГП — это одно; увидеть его в действии - другое. Два примера компаний, которые предприняли непосредственные действия к лучшему, теперь оценили преимущества, которые может предложить C++/CUDA. Эти компании выбрали партнерство с Incredibuild и решили проблемы, которые напрямую повлияли на их способность продвигаться вперед с их CI/CD.

MEDIAPRO повышает производительность с помощью CUDA

Организаторы спортивных мероприятий должны благодарить МЕДИАПРО за создание видео без участия большой команды, которая обычно необходима. Их продукт AutomaticTV, возглавляющий цепочку поставок для AV-групп, обеспечивает профессионально созданное видео с использованием искусственного интеллекта. Что-то такого масштаба требует ресурсов для эффективной компиляции. В противном случае разработчики могут просто сидеть сложа руки, вместо того чтобы работать над следующей задачей.

Текущий рабочий процесс не поддерживает то, что им нужно. От отсутствия умственной концентрации из-за переключения между ветками до зависимостей, которые по-прежнему требуют слишком много времени для эффективного управления. Комбинация была вызовом. Решение было результатом совместных усилий Incredibuild и их партнерства с NVIDIA.

Подробнее о том, как Incredibuild сократил время компиляции на 85 %, установив Incredibuild на компьютеры разработчиков, предназначенные для приложений C++/CUDA.

GeoTeric ® повышает качество и скорость

GeoTeric® кое-что знает об экономии, когда речь идет о времени компиляции. Для их настольного приложения требуются тысячи файлов C++ и миллионы строк кода. Это приложение фокусируется на отображении геологических элементов для 3D-моделирования. Даже при таком высоком уровне технологии, поддерживающей приложение, стало сложно использовать некоторые из современных передовых методологий. Гибкая разработка, включающая автоматическое тестирование, может быть затруднена медленными сборками.

Включение Incredibuild в их рабочий процесс позволило GeoTeric® сократить время компиляции для CUDA с 15 до 3 минут, а общее время сборки сократилось до 11 минут по сравнению с ошеломляющими 2 часами. Как вы можете себе представить, такое увеличение производительности компиляции привело к увеличению скорости, в которой они нуждались.

Узнайте, как они использовали эту возможность, чтобы прекратить ручное тестирование, сократить время сборки и доставки.

Ренана Дар

Ренана, менеджер по контент-маркетингу Incredibuild, является специалистом по маркетингу, ориентированному на данные, с более чем 12-летним опытом работы в области высоких технологий, маркетинга и коммуникаций. Ренана специализируется на создании контента с нуля.

Фергус О'Салливан

Фергус О'Салливан
Писатель

Фергус — независимый автор How-To Geek. За его плечами семь лет технических отчетов и обзоров для ряда публикаций, включая GameCrate и Cloudwards. Он написал больше статей и обзоров о кибербезопасности и облачном программном обеспечении, чем может уследить, а также разбирается в Linux и оборудовании. Подробнее.

Если вы когда-либо собирали свой собственный компьютер или хотя бы читали об этом, вы поняли, что центральный процессор и графический процессор — это две совершенно разные вещи. Но в чем именно разница и как это работает на практике?

Что такое ЦП и ГП?

Короткий ответ заключается в том, что ЦП, сокращенно от центрального процессора, хотя также называется «процессором», управляет вашим компьютером. Это центральный узел для вашего устройства, который управляет всеми процессами, которые заставляют его работать. Если у вас нет процессора, у вас нет компьютера, а есть только современное пресс-папье.

ГП или графический процессор, также называемый «графической картой», управляет графикой, отображаемой на вашем экране. Графические процессоры также жизненно важны для работы вашего компьютера, без них ничего не будет отображаться на вашем экране. Тем не менее, они не всегда должны быть дискретными или отдельными графическими процессорами; многие процессоры, особенно для ноутбуков, имеют встроенные графические процессоры.

Однако эти встроенные видеокарты не обладают большой мощностью. Если вы хотите использовать высококачественную графику для игр или расширенное графическое программное обеспечение, такое как программы для 3D-моделирования, вам понадобится дискретный графический процессор. Просто у них гораздо больше возможностей.

Где вы их найдете

Поскольку ЦП занимает центральное место, они вездесущи: нет ни одного цифрового устройства, на котором он не установлен. Смартфоны и смарт-устройства, как правило, очень маленькие и не обладают большой вычислительной мощностью, тогда как суперкомпьютеры имеют огромные сети процессоров, которые могут выполнять вычисления, от которых ваш телефон за считанные минуты задымится.

Дискретные графические процессоры гораздо более специализированы. Как правило, их можно найти только в ноутбуках и ПК, продаваемых геймерам — на самом деле, это самый большой рынок, поскольку большинство первоклассных игр в настоящее время требуют серьезной графической вычислительной мощности.Художники-визуалисты также являются крупными покупателями графических процессоров, поскольку им необходимо быстро и детально отображать изображения, чего не может сделать интегрированный в ЦП графический процессор.

Однако графические процессоры используют не только геймеры и художники. Они также широко используются в машинном обучении и майнинге криптовалют по причинам, которые мы вскоре рассмотрим.

Как работает процессор по сравнению с графическим процессором

ЦП и ГП делают разные вещи из-за того, как они построены. Процессор запускает процессы последовательно — другими словами, один за другим — на каждом из своих ядер. У большинства процессоров от четырех до восьми ядер, а у высокопроизводительных процессоров их может быть до 64.

Когда компьютер работает, каждое ядро выполняет процесс более или менее сам по себе, например регистрирует нажатия клавиш при наборе текста. Пока он это делает, другие ядра будут обрабатывать все остальные процессы, которые вы видите в диспетчере задач Windows (или они будут ожидать запуска). Поскольку он управляет задачами последовательно и выделяет большую часть своей вычислительной мощности для каждой задачи, он запускается и переключается между запущенными различными процессами с молниеносной скоростью.

ГП использует другой подход к вычислениям. Получив задачу, графический процессор разделит ее на тысячи более мелких задач, а затем обработает их все сразу, то есть одновременно, а не последовательно. Это делает GPU гораздо более подходящими для обработки больших процессов, состоящих из множества мелких частей, таких как 3D-графика.

Например, в игре вы видите поле из многоугольников. Каждый полигон заполняется отдельно графическим процессором одновременно, и, учитывая, что их могут быть тысячи, на самом деле впечатляет, насколько плавно графические процессоры могут это делать. Вы даже можете убедиться в этом сами, когда ваш графический процессор выходит из строя во время игры, так как на экране появляются большие блоки текстур.

Когда использовать ЦП и ГП

Поскольку процессоры и графические процессоры работают по-разному, они имеют очень разные приложения. Последовательная обработка — это то, что заставляет компьютер работать. Если вы попытаетесь запустить компьютер, используя параллельные процессы, это не сработает, так как трудно разделить написание эссе или запуск браузера. ЦП может выделять много энергии всего на несколько задач, но в результате выполнять эти задачи намного быстрее.

ГП, с другой стороны, намного эффективнее ЦП и, следовательно, лучше подходят для больших и сложных задач с большим количеством повторений, например, для размещения на экране тысяч полигонов. Если вы попытаетесь сделать это с процессором, он просто остановится, если вообще заработает.

GPU — это не только графика

Идея о том, что процессоры управляют компьютером, а графический процессор — графикой, утвердилась еще несколько лет назад. До этого вы редко видели видеокарту для чего-либо, кроме игр или обработки изображений (3D-графика или редактирование изображений и видео).

Однако за последние несколько лет ситуация резко изменилась благодаря двум важным изменениям в том, как мы используем компьютеры. Во-первых, это машинное обучение (также называемое глубоким обучением), которое требует интенсивной параллельной обработки из-за способа управления данными.

Как более подробно объясняется в этой статье, каждый бит информации, обрабатываемый алгоритмом глубокого обучения, проходит через несколько фильтров, называемых весовыми коэффициентами. Учитывая, что существует множество фильтров и множество точек данных, выполнение этого через ЦП займет вечность. Графический процессор гораздо больше подходит для этой задачи.

Графические процессоры и майнинг криптовалют

Графические процессоры также популярны при майнинге криптовалюты по той же причине. Чтобы получить новые монеты, вам обычно нужно решить сложное криптографическое уравнение, которое откроет следующий раздел блокчейна. Ключевым словом здесь является грубая сила, так как чем больше вычислительной мощности вы тратите на одно из этих уравнений, тем выше шанс его быстрого решения.

ГП имеют двойное преимущество перед ЦП, поскольку они не только обеспечивают большую вычислительную мощность благодаря большей эффективности, но и оснащены специализированными математическими процессорами, называемыми арифметико-логическими устройствами (АЛУ). ALU ускоряют визуализацию графики, но также являются находкой для всех, кто хочет решать сложные математические задачи.

По сути, графические процессоры стали настолько популярными среди крипто-майнеров, что вызвали нехватку графических карт во всем мире, которая на момент написания статьи в декабре 2021 года почти не уменьшилась. Мы прошли долгий путь с тех пор, как графические карты были используется только геймерами.

› Цены на видеокарты NVIDIA и AMD наконец-то снижаются
›5 шрифтов, которые следует прекратить использовать (и лучшие альтернативы)
› Как восстановить метки панели задач в Windows 11
› Почему не было Windows 9?
› Что означает XD и как вы его используете?
› Почему прозрачные чехлы для телефонов желтеют?
› Как установить Google Play Маркет в Windows 11

Читайте также: