GPU,是Graphics ProcessingUnit的簡(jiǎn)寫(xiě),是現(xiàn)代顯卡中非常重要的一個(gè)部分,其地位與CPU在主板上的地位一致,主要負(fù)責(zé)的任務(wù)是加速圖形處理速度。
GPU是顯示卡的“大腦”,它決定了該顯卡的檔次和大部分性能,同時(shí)也是2D顯示卡和3D顯示卡的區(qū)別依據(jù)。2D顯示芯片在處理3D圖像和特效時(shí)主要依賴CPU的處理能力,稱為“軟加速”。3D顯示芯片是將三維圖像和特效處理功能集中在顯示芯片內(nèi),也即所謂的“硬件加速”功能。
今天,GPU已經(jīng)不再局限于3D圖形處理了,GPU通用計(jì)算技術(shù)發(fā)展已經(jīng)引起業(yè)界不少的關(guān)注,事實(shí)也證明在浮點(diǎn)運(yùn)算、并行計(jì)算等部分計(jì)算方面,GPU可以提供數(shù)十倍乃至于上百倍于CPU的性能,如此強(qiáng)悍的性能已經(jīng)讓CPU廠商老大英特爾為未來(lái)而緊張。
GPU的誕生與發(fā)展
NVIDIA公司在1999年8月31日發(fā)布GeForce 256圖形處理芯片時(shí)首先提出GPU的概念。GPU之所以被稱為圖形處理器,最主要的原因是因?yàn)樗梢赃M(jìn)行幾乎全部與計(jì)算機(jī)圖形有關(guān)的數(shù)據(jù)運(yùn)算,而這些在過(guò)去是CPU的專利。
從GPU誕生那天開(kāi)始,其發(fā)展腳步就沒(méi)有停止下來(lái),由于其獨(dú)特的體系架構(gòu)和超強(qiáng)的浮點(diǎn)運(yùn)算能力,人們希望將某些通用計(jì)算問(wèn)題移植到GPU上來(lái)完成以提升效率,出現(xiàn)了所謂的GPGPU(General Purpose Graphic Process Unit),但是由于其開(kāi)發(fā)難度較大,沒(méi)有被廣泛接受。
2006年NVIDIA推出了第一款基于Tesla架構(gòu)的GPU(G80),GPU已經(jīng)不僅僅局限于圖形渲染,開(kāi)始正式向通用計(jì)算領(lǐng)域邁進(jìn)。
2007年6月,NVIDIA推出了CUDA(ComputerUnified Device Architecture計(jì)算統(tǒng)一設(shè)備結(jié)構(gòu))。
CUDA是一種將GPU作為數(shù)據(jù)并行計(jì)算設(shè)備的軟硬件體系。在CUDA的架構(gòu)中,不再像過(guò)去GPGPU架構(gòu)那樣將通用計(jì)算映射到圖形API中,對(duì)于開(kāi)發(fā)者來(lái)說(shuō),CUDA的開(kāi)發(fā)門(mén)檻大大降低了。
CUDA的編程語(yǔ)言基于標(biāo)準(zhǔn)C,因此任何有C語(yǔ)言基礎(chǔ)的用戶都很容易地開(kāi)發(fā)CUDA的應(yīng)用程序。由于這些特性,CUDA在推出后迅速發(fā)展,被廣泛應(yīng)用于石油勘測(cè)、天文計(jì)算、流體力學(xué)模擬、分子動(dòng)力學(xué)仿真、生物計(jì)算、圖像處理、音視頻編解碼等領(lǐng)域。
GPU的結(jié)構(gòu)
GPU實(shí)際上是一組圖形函數(shù)的集合,而這些函數(shù)有硬件實(shí)現(xiàn),只要用于3D游戲中物體移動(dòng)時(shí)的坐標(biāo)轉(zhuǎn)換及光源處理。以前,這些工作都是有CPU配合特定軟件進(jìn)行的,GPU從某種意義上講就是為了在圖形處理過(guò)程中充當(dāng)主角而出現(xiàn)的。
上圖就是一個(gè)簡(jiǎn)單的GPU結(jié)構(gòu)示意圖,一塊標(biāo)準(zhǔn)的GPU主要包括2D Engine、3D Engine、VideoProcessing Engine、FSAA Engine、顯存管理單元等。其中,3D運(yùn)算中起決定作用的是3DEngine,這是現(xiàn)代3D顯卡的靈魂,也是區(qū)別GPU等級(jí)的重要標(biāo)志。
GPU的工作原理
GPU中數(shù)據(jù)的處理流程
我們來(lái)看看第二代GPU是如何完整處理一個(gè)畫(huà)面。首先,來(lái)自CPU的各種物理參數(shù)進(jìn)入GPU,Vertex shader將對(duì)頂點(diǎn)數(shù)據(jù)進(jìn)行基本的判斷。如果沒(méi)有需要處理的Vertex效果,則頂點(diǎn)數(shù)據(jù)直接進(jìn)入T&L Unit進(jìn)行傳統(tǒng)的T&L操作以節(jié)約時(shí)間提高效率。如果需要處理各種Vertex效果,則Vertex shader將先對(duì)各種Vertex Programs的指令進(jìn)行運(yùn)算,一般的Vertex Programs中往往包含了過(guò)去轉(zhuǎn)換、剪切、光照運(yùn)算等所需要實(shí)現(xiàn)的效果,故經(jīng)由Vertexshader處理的效果一般不需要再進(jìn)行T&L操作。另外,當(dāng)遇到涉及到曲面鑲嵌(把曲面,比如弓形轉(zhuǎn)換成為多邊形或三角形)的場(chǎng)合時(shí)。CPU可以直接將數(shù)據(jù)交給Vertex shader進(jìn)行處理。
另外,在DiretX8.0的Transform過(guò)程中,Vertexshader可以完成Z值的剔除,也就是Back Face Culling――陰面隱去。這就意味粉除了視野以外的頂點(diǎn),視野內(nèi)坡前面項(xiàng)點(diǎn)遮住的頂點(diǎn)也會(huì)被一并剪除,這大大減輕了需要進(jìn)行操作的頂點(diǎn)數(shù)目。
接下來(lái),經(jīng)由VertexShader處理完成的各種數(shù)據(jù)將流入SetupEngine,在這里,運(yùn)算單元將進(jìn)行三角形的設(shè)置工作,這是整個(gè)繪圖過(guò)程中最重要的一個(gè)步驟,Setup Engine甚至直接影響著一塊GPU的執(zhí)行效能。三角形的設(shè)置過(guò)程是由一個(gè)個(gè)多邊形組成的,或者是用更好的三角形代替原來(lái)的三角形。在三維圖象中可能會(huì)有些三角形被它前面的三角形擋住,但是在這個(gè)階段3D芯片還不知道哪些三角形會(huì)被擋住,所以三角形建立單元接收到是一個(gè)個(gè)由3個(gè)頂點(diǎn)組成的完整三角形。三角形的每個(gè)角(或頂點(diǎn))都有對(duì)應(yīng)的X軸、Y軸、Z軸坐標(biāo)值,這些坐標(biāo)值確定了它們?cè)?D景物中的位置。同時(shí),三角形的設(shè)置也確定了像素填充的范圍。,至此,VertexShader的工作就完成了。
在第一代GPU中,設(shè)置好的三角形本來(lái)應(yīng)該帶著各自所有的參數(shù)進(jìn)入像素流水線內(nèi)進(jìn)行紋理填充和演染,但現(xiàn)在則不同,在填充之前我們還播要進(jìn)行PiexlShader的操作。其實(shí),PieXIShader并非獨(dú)立存在的,它位于紋理填充單元之后,數(shù)據(jù)流入像紊流水線后先進(jìn)入紋理填充單元進(jìn)行紋理填充,然后便是Piex!Shader單元,經(jīng)由PiexlShader單元進(jìn)行各種處理運(yùn)算之后再進(jìn)入像素填充單元進(jìn)行具體的粉色,再經(jīng)由霧化等操作后,一個(gè)完整的畫(huà)面就算完成了。值得注意的是,第二代GPU中普遮引入了獨(dú)立的顯示數(shù)據(jù)管理機(jī)制,它們位于VertexShader、SetuPEngine以及像素流水線之間,負(fù)資數(shù)據(jù)更有效率地傳輸和組合、各種無(wú)效值的剔除、數(shù)據(jù)的壓縮以及寄存器的管理等工作,這個(gè)單元的出現(xiàn)對(duì)整個(gè)GPU工作效率的保證起到了至關(guān)重要的作用。
簡(jiǎn)而言之,GPU的圖形(處理)流水線完成如下的工作:(并不一定是按照如下順序)
頂點(diǎn)處理:這階段GPU讀取描述3D圖形外觀的頂點(diǎn)數(shù)據(jù)并根據(jù)頂點(diǎn)數(shù)據(jù)確定3D圖形的形狀及位置關(guān)系,建立起3D圖形的骨架。在支持DX8和DX9規(guī)格的GPU中,這些工作由硬件實(shí)現(xiàn)的Vertex Shader(定點(diǎn)著色器)完成。
光柵化計(jì)算:顯示器實(shí)際顯示的圖像是由像素組成的,我們需要將上面生成的圖形上的點(diǎn)和線通過(guò)一定的算法轉(zhuǎn)換到相應(yīng)的像素點(diǎn)。把一個(gè)矢量圖形轉(zhuǎn)換為一系列像素點(diǎn)的過(guò)程就稱為光柵化。例如,一條數(shù)學(xué)表示的斜線段,最終被轉(zhuǎn)化成階梯狀的連續(xù)像素點(diǎn)。
紋理帖圖:頂點(diǎn)單元生成的多邊形只構(gòu)成了3D物體的輪廓,而紋理映射(texture mapping)工作完成對(duì)多變形表面的帖圖,通俗的說(shuō),就是將多邊形的表面貼上相應(yīng)的圖片,從而生成“真實(shí)”的圖形。TMU(Texture mapping unit)即是用來(lái)完成此項(xiàng)工作。
像素處理:這階段(在對(duì)每個(gè)像素進(jìn)行光柵化處理期間)GPU完成對(duì)像素的計(jì)算和處理,從而確定每個(gè)像素的最終屬性。在支持DX8和DX9規(guī)格的GPU中,這些工作由硬件實(shí)現(xiàn)的PixelShader(像素著色器)完成。
最終輸出:由ROP(光柵化引擎)最終完成像素的輸出,1幀渲染完畢后,被送到顯存幀緩沖區(qū)。
CPU與GPU的數(shù)據(jù)處理關(guān)系
如今的游戲,單單從圖象的生成來(lái)說(shuō)大概需要下面四個(gè)步驟:
1、Homogeneouscoordinates(齊次坐標(biāo))
2、Shading models(陰影建模)
3、Z-Buffering(Z-緩沖)
4、Texture-Mapping(材質(zhì)貼圖)
在這些步驟中,顯示部分(GPU)只負(fù)責(zé)完成第三、四步,而前兩個(gè)步驟主要是依靠CPU來(lái)完成。而且,這還僅僅只是3D圖象的生成,還沒(méi)有包括游戲中復(fù)雜的AI運(yùn)算。場(chǎng)景切換運(yùn)算等等……無(wú)疑,這些元素還需要CPU去完成,這就是為什么在運(yùn)行大型游戲的時(shí)候,當(dāng)場(chǎng)景切換時(shí)再?gòu)?qiáng)勁的顯卡都會(huì)出現(xiàn)停頓的現(xiàn)象。
接下來(lái),讓我們簡(jiǎn)單的看一下CPU和GPU之間的數(shù)據(jù)是如何交互的。
首先從硬盤(pán)中讀取模型,CPU分類后將多邊形信息交給GPU,GPU再時(shí)時(shí)處理成屏幕上可見(jiàn)的多邊形,但是沒(méi)有紋理只有線框。
模型出來(lái)后,GPU將模型數(shù)據(jù)放進(jìn)顯存,顯卡同時(shí)也為模型貼材質(zhì),給模型上顏色。CPU相應(yīng)從顯存中獲取多邊形的信息。然后CPU計(jì)算光照后產(chǎn)生的影子的輪廓。等CPU計(jì)算出后,顯卡的工作又有了,那就是為影子中填充深的顏色
這一點(diǎn)要注意的是,無(wú)論多牛的游戲家用顯卡,光影都是CPU計(jì)算的,GPU只有2個(gè)工作,1多邊形生成。2為多邊形上顏色。
傳統(tǒng)GPU指令的執(zhí)行
傳統(tǒng)的GPU基于SIMD的架構(gòu)。SIMD即Single Instruction Multiple Data,單指令多數(shù)據(jù)。
其實(shí)這很好理解,傳統(tǒng)的VS和PS中的ALU(算術(shù)邏輯單元,通常每個(gè)VS或PS中都會(huì)有一個(gè)ALU,但這不是一定的,例如G70和R5XX有兩個(gè))都能夠在一個(gè)周期內(nèi)(即同時(shí))完成對(duì)矢量4個(gè)通道的運(yùn)算。比如執(zhí)行一條4D指令,PS或VS中的ALU對(duì)指令對(duì)應(yīng)定點(diǎn)和像素的4個(gè)屬性數(shù)據(jù)都進(jìn)行了相應(yīng)的計(jì)算。這便是SIMD的由來(lái)。這種ALU我們暫且稱它為4D ALU。
需要注意的是,4D SIMD架構(gòu)雖然很適合處理4D指令,但遇到1D指令的時(shí)候效率便會(huì)降為原來(lái)的1/4。此時(shí)ALU 3/4的資源都被閑置。為了提高PSVS執(zhí)行1D 2D 3D指令時(shí)的資源利用率,DirectX9時(shí)代的GPU通常采用1D+3D或2D+2D ALU。這便是Co-issue技術(shù)。
這種ALU對(duì)4D指令的計(jì)算時(shí)仍然效能與傳統(tǒng)的ALU相同,但當(dāng)遇到1D 2D 3D指令時(shí)效率則會(huì)高不少,例如如下指令:
ADD R0.xyz , R0,R1 //此指令是將R0,R1矢量的x,y,z值相加結(jié)果賦值給R0
ADD R3.x , R2,R3 //此指令是將R2 R3矢量的w值相加結(jié)果賦值給R3
對(duì)于傳統(tǒng)的4D ALU,顯然需要兩個(gè)周期才能完成,第一個(gè)周期ALU利用率75%,第二個(gè)周期利用率25%。而對(duì)于1D+3D的ALU,這兩條指令可以融合為一條4D指令,因而只需要一個(gè)周期便可以完成,ALU利用率100%。
但當(dāng)然,即使采用co-issue,ALU利用率也不可能總達(dá)到100%,這涉及到指令并行的相關(guān)性等問(wèn)題,而且,更直觀的,上述兩條指令顯然不能被2D+2D ALU一周期完成,而且同樣,兩條2D指令也不能被1D+3D ALU一周期完成。傳統(tǒng)GPU在對(duì)非4D指令的處理顯然不是很靈活。
GPU的多線程及并行計(jì)算
GPU的功能更新很迅速,平均每一年多便有新一代的GPU誕生,運(yùn)算速度也越來(lái)越快。GPU的運(yùn)算速度如此之快,主要得益于GPU是對(duì)圖形實(shí)時(shí)渲染量身定制的,具有兩點(diǎn)主要特征:超長(zhǎng)流水線與并行計(jì)算。
多線程機(jī)制
GPU的執(zhí)行速度很快,但是當(dāng)運(yùn)行從內(nèi)存中獲取紋理數(shù)據(jù)這樣的指令時(shí)(由于內(nèi)存訪問(wèn)是瓶頸,此操作比較緩慢),整個(gè)流水線便出現(xiàn)長(zhǎng)時(shí)間停頓。在CPU內(nèi)部,使用多級(jí)Cache來(lái)提高訪問(wèn)內(nèi)存的速度。GPU中也使用Cache,不過(guò)Cache命中率不高,只用Cache解決不了這個(gè)問(wèn)題。所以,為了保持流水線保持忙碌,GPU的設(shè)計(jì)者使用了多線程機(jī)制(multi-threading)。當(dāng)像素著色器針對(duì)某個(gè)像素的線程A遇到存取紋理的指令時(shí),GPU會(huì)馬上切換到另外一個(gè)線程B,對(duì)另一個(gè)像素進(jìn)行處理。等到紋理從內(nèi)存中取回時(shí),可再切換到線程A。
例如:如果裝配一臺(tái)汽車需要,10個(gè)時(shí)間單元,將它分成10個(gè)流水線階段,每個(gè)階段分配一個(gè)時(shí)間單元,那么一條裝配線每一個(gè)時(shí)間單元就可以生產(chǎn)一輛汽車。顯然流水線模式的生產(chǎn)在理想狀況下要比串行方式快了十倍。
但是使用這種方法有一個(gè)前提,線程A與線程B沒(méi)有數(shù)據(jù)依賴性,也就是說(shuō)兩線程之間無(wú)需通訊。如果線程B需要線程A提供某些數(shù)據(jù),那么即使切換到線程B,線程B仍是無(wú)法運(yùn)行,流水線還是處于空閑狀態(tài)。不過(guò)幸運(yùn)的是,圖形渲染本質(zhì)上是一個(gè)并行任務(wù)。
并行計(jì)算
無(wú)論是CPU送給GPU的頂點(diǎn)數(shù)據(jù),還是GPU光柵生成器產(chǎn)生的像素?cái)?shù)據(jù)都是互不相關(guān)的,可以并行地獨(dú)立處理。而且頂點(diǎn)數(shù)據(jù)(xyzw),像素?cái)?shù)據(jù)(RGBA)一般都用四元數(shù)表示,適合于并行計(jì)算。在GPU中專門(mén)設(shè)置了SIMD指令來(lái)處理向量,一次可同時(shí)處理四路數(shù)據(jù)。SIMD指令使用起來(lái)非常簡(jiǎn)潔。此外,紋理片要么只能讀取,要么只能寫(xiě)入,不允許可讀可寫(xiě),從而解決了存貯器訪問(wèn)的讀寫(xiě)沖突。GPU這種對(duì)內(nèi)存使用的約束也進(jìn)一步保證了并行處理的順利完成。
為了進(jìn)一步提高并行度,可以增加流水線的條數(shù)。在GeForce 6800 Ultra中,有多達(dá)16組像素著色器流水線,6組頂點(diǎn)著色器流水線。多條流水線可以在單一控制部件的集中控制下運(yùn)行,也可以獨(dú)立運(yùn)行。在單指令多數(shù)據(jù)流(SIMD)的結(jié)構(gòu)中,GPU通過(guò)單指令多數(shù)據(jù)(SIMD)指令類型來(lái)支持?jǐn)?shù)據(jù)并行計(jì)算。『參見(jiàn)圖』在單指令多數(shù)據(jù)流的結(jié)構(gòu)中,單一控制部件向每條流水線分派指令,同樣的指令被所有處理部件同時(shí)執(zhí)行。例如NVIDIA8800GT顯卡中包含有14組多處理器(MultiProcessor),每組處理器有8個(gè)處理單元(Processor),但每組多處理器只包含一個(gè)指令單元(InstruetionUnit)。
另外一種控制結(jié)構(gòu)是多指令多數(shù)據(jù)流(MIMD),每條流水線都能夠獨(dú)立于其他流水線執(zhí)行不同的程序。GeForce 6800Ultra的頂點(diǎn)著色器流水線使用MIMD方式控制,像素著色器流水線使用SIMD結(jié)構(gòu)。MIMD能比較有效率地執(zhí)行分支程序,而SIMD體系結(jié)構(gòu)運(yùn)行條件語(yǔ)句時(shí)會(huì)造成很低的資源利用率。不過(guò)SIMD需要硬件少,這是一個(gè)優(yōu)勢(shì)。
CPU中大部分晶體管主要用于構(gòu)建控制電路和Cache,只有少部分的晶體管來(lái)完成實(shí)際的運(yùn)算工作。而GPU的控制相對(duì)簡(jiǎn)單,而且對(duì)Cache的需求小,所以大部分晶體管可以組成各類專用電路、多條流水線,使得GPU的計(jì)算速度有了突破性的飛躍,擁有了驚人的處理浮點(diǎn)運(yùn)算的能力。現(xiàn)在CPU的技術(shù)進(jìn)步正在慢于摩爾定律,而GPU的運(yùn)行速度已超過(guò)摩爾定律,每6個(gè)月其性能加倍。
GPU在計(jì)算領(lǐng)域的應(yīng)用現(xiàn)狀
隨著CUDA的進(jìn)一步開(kāi)發(fā)和完善,GPU的運(yùn)算能力也將得到進(jìn)一步的強(qiáng)化。研究人員也已經(jīng)開(kāi)始使用CUDA,利用GPU數(shù)倍于CPU的浮點(diǎn)運(yùn)算能力,進(jìn)行各種各樣的科學(xué)模擬、運(yùn)算。
GPU專用于解決可表示為數(shù)據(jù)并行計(jì)算的問(wèn)題——在許多數(shù)據(jù)元素上并行執(zhí)行的程序,具有極高的計(jì)算密度(數(shù)學(xué)運(yùn)算與存儲(chǔ)器運(yùn)算的比率)。
GPU計(jì)算的模式是,在異構(gòu)協(xié)同處理計(jì)算模型中將CPU與GPU結(jié)合起來(lái)加以利用。應(yīng)用程序的串行部分在CPU上運(yùn)行,而計(jì)算任務(wù)繁重的部分則由GPU來(lái)加速。從用戶的角度來(lái)看,應(yīng)用程序只是運(yùn)行得更快了。因?yàn)閼?yīng)用程序利用了GPU的高性能來(lái)提升性能。
在過(guò)去幾年里,GPU的浮點(diǎn)性能已經(jīng)上升到Teraflop級(jí)的水平。GPGPU的成功使CUDA并行編程模型相關(guān)的編程工作變得十分輕松。在這種編程模型中,應(yīng)用程序開(kāi)發(fā)者可修改他們的應(yīng)用程序以找出計(jì)算量繁重的程序內(nèi)核,將其映射到GPU上,讓GPU來(lái)處理它們。應(yīng)用程序的剩余部分仍然交由CPU處理。想要將某些功能映射到GPU上,需要開(kāi)發(fā)者重新編寫(xiě)該功能,在編程中采用并行機(jī)制,加入“C”語(yǔ)言關(guān)鍵字以便與GPU之間交換數(shù)據(jù)。開(kāi)發(fā)者的任務(wù)是同時(shí)啟動(dòng)數(shù)以萬(wàn)計(jì)的線程。GPU硬件可以管理線程和進(jìn)行線程調(diào)度。
"GPU(圖形處理器)已經(jīng)發(fā)展到了頗為成熟的階段,可輕松執(zhí)行實(shí)際應(yīng)用程序并且其運(yùn)行速度已遠(yuǎn)遠(yuǎn)超過(guò)了使用多核系統(tǒng)時(shí)的速度。未來(lái)計(jì)算架構(gòu)將是并行核心GPU與多核CPU串聯(lián)運(yùn)行的混合型系統(tǒng)。"
中科院基因組研究所將在當(dāng)今生物信息學(xué)領(lǐng)域得到廣泛應(yīng)用的BLAST算法向GPU進(jìn)行了移植。這是一套針對(duì)DNA、蛋白序列數(shù)據(jù)庫(kù)的序列查詢算法和軟件包。盡管BLAST處理少量序列的速度不慢,但隨著DNA側(cè)序技術(shù)的飛速發(fā)展,研究人員可以在短短幾天內(nèi)得到海量序列數(shù)據(jù),這樣,對(duì)這些數(shù)據(jù)的分析就成了瓶頸。通過(guò)從串行到并行的轉(zhuǎn)變,BLAST算法成功在GPU上得以實(shí)現(xiàn),大大提升了效率。根據(jù)中科院的實(shí)踐結(jié)果,基于NVIDIA Tesla平臺(tái)的BLAST軟件中的一個(gè)關(guān)鍵模塊運(yùn)行速度比單個(gè)CPU快35倍。
基于GPU,中科院過(guò)程所建立了一臺(tái)自己的超級(jí)計(jì)算系統(tǒng)。與通用系統(tǒng)比較,運(yùn)營(yíng)系統(tǒng)成本從約2億元降到不到2000萬(wàn)元,峰值能耗從約1.5兆瓦降至不到0.3兆瓦,占地面積也明顯減少,然而其效率卻很高。在對(duì)中石化清潔汽油工藝的放大和優(yōu)化模擬程序中,進(jìn)行內(nèi)部結(jié)構(gòu)優(yōu)化時(shí),單CPU的處理效率為每天計(jì)算可以模擬4~5秒現(xiàn)實(shí)時(shí)間,而單GPU在一個(gè)小時(shí)內(nèi)就可模擬3~5秒現(xiàn)實(shí)時(shí)間。
國(guó)內(nèi)最快的超級(jí)計(jì)算機(jī)天河一號(hào)也采用了GPU處理器,其三分之二的計(jì)算能力由GPU處理器提供。
-
cpu
+關(guān)注
關(guān)注
68文章
11029瀏覽量
215867 -
NVIDIA
+關(guān)注
關(guān)注
14文章
5232瀏覽量
105715 -
gpu
+關(guān)注
關(guān)注
28文章
4906瀏覽量
130605
原文標(biāo)題:都知道CPU 但GPU又是什么鬼?
文章出處:【微信號(hào):WW_CGQJS,微信公眾號(hào):傳感器技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
CPU內(nèi)存或GPU內(nèi)存進(jìn)行分組方式實(shí)戰(zhàn)

CPU、GPU和內(nèi)存知識(shí)科普

CPU和GPU擅長(zhǎng)和不擅長(zhǎng)的地方
CPU和GPU擅長(zhǎng)和不擅長(zhǎng)的地方
TensorFlow指定CPU和GPU設(shè)備操作詳解
CPU和GPU的區(qū)別有哪些
cpu與gpu的區(qū)別 買(mǎi)電腦注重cpu還是顯卡
什么是GPU和CPU?GPU和CPU的區(qū)別及聯(lián)系
cpu gpu npu的區(qū)別 NPU與GPU哪個(gè)好?gpu是什么意思?
為什么GPU比CPU更快?

gpu是什么和cpu的區(qū)別
動(dòng)畫(huà)渲染用GPU還是CPU的選擇思路

評(píng)論