Zhuzing

Tại sao chúng ta vẫn còn sử dụng CPU Thay vì GPU? 

       Ngày càng GPU đang được sử dụng cho các nhiệm vụ đồ họa như tính toán rủi ro, tính toán động lực học chất lỏng, và phân tích địa chấn. Gì để ngăn cản chúng tôi thông qua các thiết bị dựa trên GPU-?
        Câu hỏi của ngày hôm nay phiên trả lời cho chúng tôi lịch sự của siêu người dùng một phân khu của Exchange Stack, một cộng đồng ổ nhóm của Q & Một trang web.
        Câu hỏi Siêu người dùng đọc Ell giữ lên với tin tức công nghệ và tò mò tại sao chúng tôi không sử dụng các hệ thống dựa trên GPU-: Dường như với tôi rằng những ngày này rất nhiều các tính toán được thực hiện trên GPU. Rõ ràng đồ họa được thực hiện, nhưng bằng cách sử dụng CUDA và như thế, AI, thuật toán băm (nghĩ Bitcoins) và những người khác cũng được thực hiện trên GPU.
       Tại sao chúng ta không thể thoát khỏi của CPU và sử dụng GPU ngày của riêng mình? Điều gì làm cho GPU nhanh hơn nhiều hơn so với CPU? Tại sao lại như thế? Điều gì làm cho CPU duy nhất? The Answer Siêu người dùng đóng góp DragonLord cung cấp một cái nhìn tổng quan hỗ trợ tốt của sự khác biệt giữa GPU và CPU: TL; DR câu trả lời: GPU có lõi xử lý hơn rất nhiều hơn so với CPU, nhưng bởi vì mỗi lõi GPU chạy chậm hơn so với một lõi CPU và không có các tính năng cần thiết cho các hệ điều hành hiện đại, họ không thích hợp để thực hiện hầu hết các chế biến hàng ngày trong các máy tính. Chúng được phù hợp với tính toán hoạt động chuyên sâu như xử lý video và mô phỏng vật lý. Câu trả lời chi tiết: GPGPU vẫn là một khái niệm tương đối mới. GPU ban đầu được sử dụng chỉ cho vẽ đồ họa, công nghệ tiên tiến, số lượng lớn lõi trong những GPU so với CPU đã bị khai thác bằng cách phát triển các khả năng tính toán GPU để họ có thể xử lý nhiều dòng dữ liệu song song của cùng một lúc, không có vấn đề những gì mà dữ liệu có thể . Trong khi GPU có thể có hàng trăm hoặc thậm chí hàng ngàn bộ xử lý dòng, mỗi chạy chậm hơn so với một lõi CPU và có ít tính năng hơn (ngay cả khi họ đang Turing hoàn tất và có thể được lập trình để chạy bất kỳ chương trình nào một CPU có thể chạy).
        Các tính năng còn thiếu từ GPU bao gồm ngắt và bộ nhớ ảo, đó là cần thiết để thực hiện một hệ thống điều hành hiện đại. Nói cách khác, CPU và GPU có kiến ​​trúc khác biệt đáng kể làm cho họ tốt hơn phù hợp với nhiệm vụ khác nhau. Một GPU có thể xử lý một lượng lớn dữ liệu trong nhiều suối, thực hiện các hoạt động tương đối đơn giản trên chúng, nhưng không thích hợp với chế biến nặng hoặc phức tạp trên một dòng đơn hoặc có rất ít dữ liệu. CPU là nhanh hơn nhiều trên một cơ sở cho mỗi lõi (trong điều khoản của lệnh trong một giây) và có thể thực hiện các hoạt động phức tạp trên một dòng đơn hoặc có rất ít dữ liệu dễ dàng hơn, nhưng có thể không hiệu quả xử lý đồng thời nhiều suối. Kết quả là, GPU không phù hợp để xử lý các nhiệm vụ mà không được hưởng lợi đáng kể từ hoặc không thể song song, bao gồm nhiều ứng dụng phổ biến như xử lý văn bản. Hơn nữa, GPU sử dụng một kiến trúc cơ bản khác nhau, người ta sẽ có một chương trình ứng dụng cụ thể cho một GPU cho nó để làm việc, và kỹ thuật đáng kể khác nhau được yêu cầu chương trình GPU. Những kỹ thuật khác nhau bao gồm các ngôn ngữ lập trình mới, sửa đổi các ngôn ngữ hiện có, và mô hình lập trình mới phù hợp hơn để thể hiện một tính toán như là một hoạt động song song được thực hiện bởi nhiều bộ xử lý dòng. Để biết thêm thông tin về các kỹ thuật cần thiết để GPU chương trình, xem các bài viết Wikipedia xử lý dòng và tính toán song song . Hiện đại GPU có khả năng thực hiện các hoạt động vector và số học dấu chấm động, với các thẻ mới nhất có khả năng thao tác chính xác gấp đôi số điểm nổi. Các khuôn khổ như CUDA và OpenCL cho phép các chương trình được viết cho GPU, và bản chất của các GPU làm cho chúng phù hợp nhất với hoạt động parallelizable cao, chẳng hạn như trong tính toán khoa học, nơi một loạt các chuyên ngành GPU tính toán thẻ có thể là một thay thế khả thi cho một nhỏ tính toán cụm như NVIDIA Tesla Siêu máy tính cá nhân . Người tiêu dùng với GPU hiện đại có kinh nghiệm với Folding @ home có thể sử dụng chúng để đóng góp với các khách hàng GPU , có thể thực hiện mô phỏng protein gấp ở tốc độ rất cao và đóng góp nhiều công việc hơn cho dự án (chắc chắn để đọc các câu hỏi thường gặp đầu tiên, đặc biệt là những người liên quan đến GPU).
          GPU cũng có thể kích hoạt tính năng mô phỏng vật lý tốt hơn trong các trò chơi video bằng cách sử dụng PhysX, tăng tốc video mã hóa và giải mã, và thực hiện các nhiệm vụ tính toán chuyên sâu khác. Đó là những loại nhiệm vụ rằng GPU là thích hợp nhất để thực hiện. AMD đang đi tiên phong một thiết kế bộ vi xử lý được gọi là Accelerated Processing Unit (APU) kết hợp các lõi CPU x86 thông thường với GPU. Điều này có thể cho phép các thành phần CPU và GPU làm việc cùng nhau và cải thiện hiệu suất trên các hệ thống có không gian hạn chế cho các thành phần riêng biệt. Khi công nghệ tiếp tục tạm ứng, chúng ta sẽ thấy một mức độ ngày càng tăng của sự hội tụ của các bộ phận riêng biệt một lần. Tuy nhiên, nhiều công việc được thực hiện bởi hệ thống điều hành máy tính và các ứng dụng vẫn còn tốt hơn phù hợp với CPU, và làm việc nhiều là cần thiết để thúc đẩy một chương trình bằng cách sử dụng một GPU. Kể từ khi rất nhiều phần mềm sử dụng kiến trúc x86, và bởi vì GPU yêu cầu kỹ thuật lập trình khác nhau và thiếu một số tính năng quan trọng cần thiết cho các hệ thống điều hành, quá trình chuyển đổi từ CPU sang GPU cho máy tính hàng ngày là vô cùng khó khăn.