cpu和gpu有啥区别(cpu跟gpu区别)

公交号

以下文章来源于码农的荒岛求生 ,作者陆小风

今天简单聊聊CPU与GPU。

CPU 的故事我们聊得比较多了,之前也发布过很多关于 CPU 的文章,因此这里重点聊聊 GPU。

教授 vs 小学生

你可以简单的将CPU理解为学识渊博的教授,什么都精通。

而GPU则是一堆小学生,只会简单的算数运算。

可即使教授再神通广大,也不能一秒钟内计算出500次加减法。

因此对简单重复的计算来说单单一个教授敌不过数量众多的小学生,在进行简单的算数运算这件事上,500个小学生(并发)可以轻而易举打败教授。

因此我们可以看到,CPU和GPU的最大不同在于架构。

CPU适用于广泛的应用场景(学识渊博),可以执行任意程序。

而GPU则专为多任务而生,并发能力强,具体来讲就是多核,一般的CPU有2核、4核、8核等,而GPU则可能会有成百上千核:

可以看到,CPU内部cache以及控制部分占据了很大一部分片上面积,因此计算单元占比很少。

再来看看GPU,GPU只有很简单的控制单元,剩下的大部分都被计算单元占据,因此CPU的核数有限,而GPU则轻松堆出上千核:

只不过CPU中每个核的能力好比教授,而GPU的每个核的能力好比一个小学生。

你可能会想,为什么GPU需要这么奇怪的架构呢?

为什么GPU需要这么多核心?

想一想计算机上的一张图是怎么表示的?无非就是屏幕上的一个个像素:

我们需要为每个像素进行计算,而且是相同的运算

就好比刚才例子中的小学生计算计加法一样。

注意,对于屏幕来说一般会有上百万个像素,如果我们要串行的为每一个像素进行运算效率就太低了。

因此我们可以让GPU中的每一个核心去为相应的像素进行计算,由于GPU中有很多核心,因此并行计算可以大幅提高速度。

现在你应该明白为什么GPU要这样工作了吧。

除了GPU的核心数比较多之外,GPU的工作方式也比较奇怪。

奇怪的工作方式

对CPU来说,不同的核心可以执行不同的机器指令。

coreA在运行word线程的同时coreB上可以运行浏览器线程,这就是所谓的多指令多数据,MIMD,(Multiple Instruction, Multiple Data)。

而GPU则不同,GPU上的这些核心必须整齐划一的运行相同的机器指令,只是可以操作不同的数据。

这就好比这些小学生在某个时刻必须都进行加法计算,不同的地方在于有的小学生可能需要计算1+1,有的要计算2+6等等,变化的地方仅在于操作数,这就是所谓的单指令多数据,SIMD,(Single Instruction, Multiple Data)。

因此我们可以看到GPU的工作方式和CPU是截然不同的。

除了这种工作方式之外,GPU的指令集还非常简单,不像CPU这种复杂的处理器。

如果你去看CPU的编程手册就会发现,CPU负责的事情非常多:中断处理、内存管理、IO等等,这些对于GPU来说都是不存在的。

可以看到GPU的定位非常简单,就是纯计算,GPU绝不是用来取代CPU的,CPU只是把一些GPU非常擅长的事情交给它,GPU仅仅是用来分担CPU工作的配角。

CPU和GPU是这样配合工作的:

GPU擅长什么

比较适合GPU的计算场景是这样的:1)计算简单;2)重复计算

因此如果你的计算场景和这里的图像渲染相似那么使用GPU就很合理了。

因此对于图形图像计算、天气预报以及神经网络等都适用于GPU,哦对了,GPU还适合用来挖矿。

好啦,这个话题今天就到这里,希望这篇对大家理解GPU有所帮助

文章版权声明:除非注明,否则均为公交号原创文章,转载或复制请以超链接形式并注明出处。