GPU和CPU的區(qū)別是什么？

1、本文格式為Word版，下載可任意編輯GPU和CPU的區(qū)別是什么？ GPU在幾個主要方面有別于DSP（Digital Signal Processing，簡稱DSP（數(shù)字信號處理）架構(gòu)。其全部計算均使用浮點算法，而且目前還沒有位或整數(shù)運算指令。此外，由于GPU專為圖像處理設(shè)計，因此存儲系統(tǒng)實際上是一個二維的分段存儲空間，包括一個區(qū)段號（從中讀取圖像）和二維地址（圖像中的X、Y坐標(biāo)）。此外，沒有任何間接寫指令。輸出寫地址由光柵處理器確定，而且不能由程序轉(zhuǎn)變。這對于自然分布在存儲器之中的算法而言是極大的挑戰(zhàn)。最終一點，不同碎片的處理過程間不允許通信。實際上，碎片處理器是一個SIMD數(shù)據(jù)并行執(zhí)行單元，

2、在全部碎片中獨立執(zhí)行代碼。 盡管有上述約束，但是GPU還是可以有效地執(zhí)行多種運算，從線性代數(shù)和信號處理到數(shù)值仿真。雖然概念簡潔，但新用戶在使用GPU計算時還是會感到迷惑，由于GPU需要專有的圖形學(xué)問。這種狀況下，一些軟件工具可以供應(yīng)關(guān)心。兩種高級描影語言CG和HLSL能夠讓用戶編寫類似C的代碼，隨后編譯成碎片程序匯編語言。Brook是專為GPU計算設(shè)計，且不需要圖形學(xué)問的高級語言。因此對第一次使用GPU進(jìn)行開發(fā)的工作人員而言，它可以算是一個很好的起點。Brook是C語言的延長，整合了可以直接映射到 GPU的簡潔數(shù)據(jù)并行編程構(gòu)造。經(jīng) GPU存儲和操作的數(shù)據(jù)被形象地比方成“流”（stream），類

3、似于標(biāo)準(zhǔn)C中的數(shù)組。核心（Kernel）是在流上操作的函數(shù)。在一系列輸入流上調(diào)用一個核心函數(shù)意味著在流元素上實施了隱含的循環(huán)，即對每一個流元素調(diào)用核心體。Brook還供應(yīng)了約簡機制，例如對一個流中全部的元素進(jìn)行和、最大值或乘積計算。Brook還完全隱蔽了圖形API的全部細(xì)節(jié)，并把GPU中類似二維存儲器系統(tǒng)這樣很多用戶不熟識的部分進(jìn)行了虛擬化處理。用Brook編寫的應(yīng)用程序包括線性代數(shù)子程序、快速傅立葉轉(zhuǎn)換、光線追蹤和圖像處理。利用ATI的X800XT和Nvidia的GeForce 6800 Ultra型GPU，在相同高速緩存、SSE匯編優(yōu)化Pentium 4執(zhí)行條件下，很多此類應(yīng)用的速度提上升

4、達(dá)7倍之多。 對GPU計算感愛好的用戶努力將算法映射到圖形基本元素。類似Brook這樣的高級編程語言的問世使編程新手也能夠很簡單就把握GPU的性能優(yōu)勢。訪問GPU計算功能的便利性也使得GPU的演化將連續(xù)下去，不僅僅作為繪制引擎，而是會成為個人電腦的主要計算引擎。 GPU和CPU的區(qū)分是什么？ 要解釋兩者的區(qū)分，要先明白兩者的相同之處：兩者都有總線和外界聯(lián)系，有自己的緩存體系，以及數(shù)字和規(guī)律運算單元。一句話，兩者都為了完成計算任務(wù)而設(shè)計。 兩者的區(qū)分在于存在于片內(nèi)的緩存體系和數(shù)字規(guī)律運算單元的結(jié)構(gòu)差異：CPU雖然有多核，但總數(shù)沒有超過兩位數(shù)，每個核都有足夠大的緩存和足夠多的數(shù)字和規(guī)律運算單元，并

5、幫助有許多加速分支推斷甚至更簡單的規(guī)律推斷的硬件；GPU的核數(shù)遠(yuǎn)超CPU，被稱為眾核（NVIDIA Fermi有512個核）。每個核擁有的緩存大小相對小，數(shù)字規(guī)律運算單元也少而簡潔（GPU初始時在浮點計算上始終弱于CPU）。從結(jié)果上導(dǎo)致CPU擅特長理具有簡單計算步驟和簡單數(shù)據(jù)依靠的計算任務(wù)，如分布式計算，數(shù)據(jù)壓縮，人工智能，物理模擬，以及其他許多許多計算任務(wù)等。GPU由于歷史緣由，是為了視頻嬉戲而產(chǎn)生的（至今其主要驅(qū)動力還是不斷增長的視頻嬉戲市場），在三維嬉戲中經(jīng)常消失的一類操作是對海量數(shù)據(jù)進(jìn)行相同的操作，如：對每一個頂點進(jìn)行同樣的坐標(biāo)變換，對每一個頂點根據(jù)同樣的光照模型計算顏色值。GPU的眾

6、核架構(gòu)特別適合把同樣的指令流并行發(fā)送到眾核上，采納不同的輸入數(shù)據(jù)執(zhí)行。在 2003-2004年左右，圖形學(xué)之外的領(lǐng)域?qū)＜议_頭留意到GPU與眾不同的計算力量，開頭嘗試把GPU用于通用計算（即GPGPU）。之后NVIDIA 發(fā)布了CUDA，AMD和Apple等公司也發(fā)布了OpenCL，GPU開頭在通用計算領(lǐng)域得到廣泛應(yīng)用，包括：數(shù)值分析，海量數(shù)據(jù)處理（排序，Map- Reduce等），金融分析等等。 簡而言之，當(dāng)程序員為CPU編寫程序時，他們傾向于利用簡單的規(guī)律結(jié)構(gòu)優(yōu)化算法從而削減計算任務(wù)的運行時間，即Latency。當(dāng)程序員為GPU編寫程序時，則利用其處理海量數(shù)據(jù)的優(yōu)勢，通過提高總的數(shù)據(jù)吞吐量（Throughput）來