В чем разница cpu и gpu: В чем разница между CPU и GPU?

Процессоры: В чем разница между CPU и GPU?

CPU и GPU очень похожи между собой. Они оба сделаны из миллионов транзисторов, способны совершать тысячи операций в секунду, поддаются разгону. Но в чем разница между CPU и GPU?

Что такое CPU?

CPU (Central Processing Unit) – это центральный процессор, другими словами – “мозг” компьютера. Это набор из нескольких миллионов транзисторов, которые могут выполнять сложные вычисления. Стандартный процессор имеет от одного до четырех ядер с тактовой частотой от 1 до 4 ГГц, хотя недавно Intel выпустила 18-ти ядерный чип.

CPU – достаточно мощное устройство, которое способно выполнять любые задачи на компьютере. Количество ядер и тактовая частота CPU это одни из ключевых факторов, от которых зависит скорость работы компьютера.

Что такое GPU?

GPU (Graphics Processing Unit) – это специализированный тип микропроцессора, который оптимизирован для отображения графики и решения специфичных задач. Тактовая частота GPU существенно ниже, чем в CPU, но обычно он имеет больше ядер.

GPU это специальное устройство, сделанное для очень конкретной цели – работы с графикой. Рендеринг видео это выполнение простых математических операций миллионы раз, и GPU справляется с этой задачей лучше, чем центральный процессор. Графический процессор может иметь тысячи ядер, которые работают одновременно. Каждое ядро работает хоть и медленнее, чем ядра CPU, но оно настроено на более эффективную работу с математическими операциями, необходимыми для рендеринга видео. Этот мощный параллелизм позволяет графическим процессорам быстро обрабатывать сложную 3D графику необходимую для современных игр. (Читайте также “Почему тормозят компьютерные игры“)

В чем разница между CPU и GPU?

Графический процессор может совершать лишь часть из многих операций CPU, но делает он это с невероятной скоростью. GPU использует сотни ядер для расчетов в реальном времени, чтобы отображать тысячи пикселей на мониторе. Это позволяет плавно отображать сложную игровую графику.

Например, современный GPU GTX Nvidia 1080 имеет 2560 шейдерных ядер. Благодаря такому количеству ядер, он может выполнять 2560 команд за 1 такт. CPU Intel Core i5 с четырьмя ядрами может выполнять только четыре команды за один такт. Мы публиковали статью о том, сколько нужно ядер CPU для обычного и игрового ПК.

Тем не менее, CPU являются более гибкими, чем GPU. Центральные процессоры имеют больший набор команд, так что они могут решать более широкий круг задач. CPU работают на более высоких максимальных частотах и могут управлять вводом и выводом всех компонентов компьютера. CPU способны работать с виртуальной памятью, которая нужна для современных операционных систем, а GPU – нет.

Немного об вычислениях на GPU

Несмотря на то, что графические процессоры являются лучшими для видео рендеринга, технически они способны сделать больше. Обработка графических данных это только один из видов повторяющихся и высоко параллельных задач. Другие задачи, такие как добыча Bitcoin или перебор паролей полагаются на те же типы больших наборов данных и математические операции. Вот почему многие люди используют GPU для “неграфических” целей.

Итог

Центральные и графические процессоры имеют схожие цели, но оптимизированы для разных вычислительных задач. В этом и разница между CPU и GPU. Для правильной и эффективной работы компьютер должен иметь оба типа микропроцессоров.

Источник: maketecheasier.com

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Сравнение центрального и графического процессоров: в чем разница?

В настоящее время от систем требуется больше, чем когда-либо раньше, будь то приложения для глубинного обучения, массовый параллелизм, трехмерные игры, требующие высокой производительности, или другие ресурсоемкие рабочие нагрузки. Центральный процессор (ЦП) и графический процессор (ГП) играют очень разные роли. Для чего используются центральные процессоры? Для чего используются графические процессоры? Понимание роли, которую играет каждый из них, имеет важное значение при покупке нового компьютера и сравнении технических характеристик.

Что такое ЦП?
ЦП, состоящий из миллионов транзисторов, может иметь несколько процессорных ядер и обычно называется «мозгом» компьютера. Он имеет важное значение для всех современных вычислительных систем, поскольку выполняет команды и процессы, необходимые для работы компьютера и операционной системы. ЦП также играет важную роль при определении скорости работы программ, начиная с просмотра веб-страниц и заканчивая созданием электронных таблиц.

Что такое ГП?
ГП — это процессор, состоящий из большого количества более мелких и более специализированных ядер. Работая совместно, ядра обеспечивают высокую производительность, когда задача обработки может быть разделена и обработана во многих ядрах.

В чем разница между ЦП и ГП?
ЦП и ГП имеют много общего. Оба являются важнейшими вычислительными движками. Оба представляют собой кремниевые микропроцессоры. И оба обрабатывают данные. При этом ЦП и ГП имеют разные архитектуры и созданы для различных целей.

ЦП подходит для широкого спектра рабочих нагрузок, особенно тех, для которых важное значение имеет время задержки и производительность каждого ядра. Будучи мощным исполнительным движком, ЦП сосредотачивает меньшее число своих ядер на отдельных задачах и на скорости исполнения. В связи с этим он исключительно хорошо приспособлен для широкого спектра задач, начиная с последовательного вычисления и заканчивая обработкой баз данных.

ГП появились как специализированные интегральные схемы, разработанные для ускорения конкретных задач по трехмерному рендерингу. Со временем эти движки с фиксированными функциями стали более программируемыми и более адаптивными. Несмотря на то, что графика и все более реалистичная визуализация лучших современных игр остается их основной функцией, ГП также стали со временем универсальными параллельными процессорами, способными работать с более широким спектром приложений.

Что такое интегрированная графическая система?
Интегрированная (или общая) графическая система построена на том же чипе, что и ЦП. Некоторые ЦП могут иметь встроенный ГП, а не выделенную или дискретную графическую систему. Кроме того, ИГП, или интегрированные графические процессоры, могут иметь общую память с ЦП.

Интегрированные графические процессоры обладают несколькими преимуществами. Благодаря их интеграции с ЦП они отличаются большей компактностью, экономической и энергоэффективностью по сравнению с неинтегрированными графическими процессорами. Они обеспечивают возможности по обработке графических данных и команд для общих задач, таких как просмотр сайтов, просмотр фильмов с разрешением 4К в потоковом режиме и казуальные игры.

Такой подход чаще всего используется для устройств, для которых очень важны компактный размер и энергоэффективность, таких как ноутбуки, планшеты, смартфоны и некоторые настольные ПК.

Ускорение глубинного обучения и искусственного интеллекта
Сегодня ГП работают со все большим количеством рабочих нагрузок, например с глубинным обучением и искусственным интеллектом (ИИ). ГП и другие ускорители идеально подходят для глубинного обучения с использованием нескольких слоев нейронной сети или больших наборов некоторых данных, таких как двумерные изображения.

Алгоритмы глубинного обучения были адаптированы для использования метода ускоренного ГП, что позволило получить значительный рост производительности и впервые довести обучение по нескольким практическим задачам до реально осуществимого уровня.

Со временем возможности ЦП и работающих на них библиотек программного обеспечения значительно возросли в отношении задач глубинного обучения. Например, благодаря обширной оптимизации программного обеспечения и дополнительному использованию специализированного аппаратного обеспечения с искусственным интеллектом, например, технологии Intel® Deep Learn Boost (Intel® DL Boost) в новейших масштабируемых процессорах Intel® Xeon®, в системах на базе ЦП повысилась производительность глубинного обучения.

ЦП показывают себя с лучшей стороны во многих прикладных областях, таких как глубинное обучение, связанное с получением изображений высокой четкости, трехмерных изображений, а также не связанное с изображениями глубинное обучение языку, тексту и данным временного ряда. Сегодня ЦП могут поддерживать гораздо большие объемы памяти даже по сравнению с лучшими ГП в сложных моделях или приложениях с глубинным обучением (например, обнаружение двумерных изображений).

Сочетание ЦП и ГП при условии достаточности оперативной памяти обеспечивает отличную экспериментальную систему для глубинного обучения и искусственного интеллекта.

Десятилетия лидерства в разработке ЦП
Intel имеет давнюю историю инноваций в ЦП с выхода в 1971 г. первого коммерческого микропроцессора, полностью интегрированного в единый чип.

Сегодня ЦП Intel® позволяют построить нужную систему искусственного интеллекта в нужном месте на базе известной архитектуры x86. Intel предлагает ЦП, удовлетворяющие любым потребностям, от высокопроизводительных масштабируемых процессоров Intel® Xeon® в центре обработки данных и облачной среде до энергоэффективных процессоров Intel® Core™на периферии.

Интеллектуальная производительность процессоров Intel® Core™ 10-го поколения
Наши процессоры Intel® Core™ 10-го поколения используют абсолютно новую архитектуру ядра ЦП и графическую архитектуру, а также встроенные команды искусственного интеллекта, которые интеллектуально обеспечивают оптимизированную производительность ощущения от работы.

Системы на базе процессоров Intel® Core™ 10-го поколения имеют новейший графический процессор Intel® Iris® Plus, что является огромным шагом вперед в развитии тонких и легких ноутбуков, который обеспечивает более плавную работу, более высокую детализацию и более яркий опыт использования по сравнению с тем, что корпорация Intel когда-либо предлагала.

Графика Intel® Iris® Plus обеспечивает встроенное ускорение получения логических выводов глубинного обучения для графики интегрированного процессора, благодаря чему возрастает производительность графической системы приблизительно в 2 раза.² Графика Intel® Iris® Plus также позволяет добиться исключительной энергоэффективности.

Графические процессоры Intel®: уже скоро
Сейчас Intel стремится применить свой опыт в области ЦП и интегрированных ГП к разработке выделенных ГП. Intel планирует представить свой первый дискретный графический процессор Intel®, обеспечивающий полный набор возможностей ЦП и ГП, что даст вам необходимые инструменты для удовлетворения растущих потребностей в вычислительных средствах.

Сегодня речь больше не идет о сравнении ЦП и ГП. Как никогда вам необходимы оба движка для удовлетворения меняющихся требований к вычислительным средствам. Наилучшие результаты достигаются, когда для работы используется правильный инструмент.

Не пропустите объявления о предстоящем выходе графического процессора Intel® в ближайшие месяцы.

Почему для анализа финансовых данных применяют графические процессоры / Блог компании ITI Capital / Хабр

В «Европейском физическом журнале» опубликована интересная и очень обширная статья немецкого исследователя об использовании вычислений GPU в эконофизике и статистической физике, в том числе для осуществления анализа информации на фондовом рынке. Мы представляем вашему вниманию основные тезисы этого материала.

Примечание: Статья в журнале датирована 2011 годом, с тех пор появились новые модели GPU-устройств, однако общие подходы к использованию этого инструмента в инфраструктуре для онлайн-трейдинга остались неизменными

Требования к вычислительным мощностям растут в различных сферах. Одна из них — финансовый анализ, который необходим для успешной торговли на фондовом рынке, особенно средствами HFT. Для того, чтобы принять решение о покупке или продаже акций, алгоритм должен проанализировать серьезный объём входных данных — информация о транзакциях и их параметрах, текущих котировках и трендах изменения цены и т.д.

Время, которое пройдет от создания заявки на покупку или продажу до получения ответа о ее успешныом выполнеии от биржевого сервера называется раундтрипом (round-trip, RTT). Участники рынка всеми силами стремятся снизить это время, в частности для этого используются технологии прямого доступа на биржу, а серверы с торговым софтом располагаются на колокации рядом с торговым движком бирж.

Однако технологические возможности по сокращению раундтрипа ограничены, и после их исчерпания перед трейдерами встает вопрос о том, как еще можно ускорить торговые операции. Для этого применяются новые подходы к построению инфраструктуры для онлайн-трейдинга. В частности используются FPGA и GPU. Об ускорении HFT-трейдинга с помощью «программируемого железа» мы писали ранее, сегодня речь пойдет о том, как для этого можно применять графические процессоры.

Что такое GPU

Архитектура современных графических карт строится на основе масштабируемого массива потоковых мультипроцессоров. Один такой мультипроцессор содержит восемь скалярных процессорных ядер, многопоточный модуль инструкций, разделяемую память, расположенную на чипе (on-chip).

Когда программа на C, использующая расширения CUDA, вызывает ядро GPU, копии этого ядра или потоки, нумеруются и распределяются на доступные мультипроцессоры, где уже начинается их выполнение. Для такой нумерации и распределения сеть ядра подразделяется на блоки, каждый из которых делится на различные потоки. Потоки в таких блоках выполняются одновременно на доступных мультипроцессорах. Для управления большим количеством потоков используется модуль SIMT (single-instruction multiple-thread). Этот модуль группирует их в «пачки» по 32 потока. Такие группы исполняются на том же мультипроцессоре.

Анализ финансовых данных на GPU

В финансовом анализе применяется множество мер и показателей, расчет которых требует серьезных вычислительных мощностей. Ниже мы перечислим некоторые из них и сравним быстродействие при их обработке, показанное «обычным» процессоромо Intel Core 2 Quad CPU (Q6700) c тактовой частотой 2,66 ГГц и размером кэша 4096 килобайт, а также популярных графических карт.

Экспонента Херста

Мера, называемая экспонентной Херста, используется в анализе временных рядов. Эта величина уменьшается в том случае, если задержка между двумя одинаковыми парами значений во временном ряду увеличивается. Изначально это понятие применялось в гидрологии для определения размеров плотины на реке Нил в условиях непредсказуемых дождей и засух.

Впоследствии показатель Херста начали применять в экономике, в частности, в техническом анализе для предсказания трендов движения ценовых рядов. Ниже представлено сравнение быстродействия вычисления показателя Херста на CPU и GPU (показатель «ускорения» β = общее время выисления на CPU / общее время вычисления на GPU GeForce 8800 GT):

Модель Изинга и метод Монте-Карло

Еще одним инструментом, перекочевавшим в сферу финансов на этот раз из физики, является модель Изинга. Эта математическая модель статистической физики предназначена для описания намагничивания материала.

Каждой вершине кристаллической решётки (рассматриваются не только трёхмерные, но и одно- и двумерные вариации) сопоставляется число, называемое спином и равное +1 или −1 («поле вверх»/«поле вниз»). Каждому из 2^N возможных вариантов расположения спинов (где N — число атомов решётки) приписывается энергия, получающаяся из попарного взаимодействия спинов соседних атомов. Далее для заданной температуры рассматривается распределение Гиббса — рассматривается его поведение при большом числе атомов N.

В некоторых моделях (например, при размерности > 1) наблюдается фазовый переход второго рода. Температура, при которой исчезают магнитные свойства материала, называется критической (точка Кюри). В ее окрестности ряд термодинамических характеристик расходится.

Изначально модель Изинга использовалась для понимания природы ферромагнетизма, однако позднее получила и более широкое распространение. В частности, она применяется для обобщений в социально-экономических системах. Например, обобщение модели Изинга определяет взаимодействие участников финансового рынка. Каждый из них обладает стратегией поведения, рациональность которой может быть ограничена. Решения о том, продавать или покупать акции и по какой цене, зависят от предыдущих решений человека и их результата, а также от действий других участников рынка.

Модель Изинга используется для моделирования взаимодействия между участниками рынка. Для реализации модели Изинга и имитационного моделирования используется метод Монте-Карло, который позволяет построить математическую модель для проекта с неопределенными значениями параметров.

Ниже представлено сравнение быстродействия моделирования на CPU и GPU (NVIDIA GeForce GTX 280):

Существуют реализации модели Изинга с использованием в ходе анализа различного количества спинов. Мультиспиновые реализации позволяет загружать несколько спинов параллельно.

Ускорение с помощью нескольких GPU

Для ускорения обработки данных также используются кластеры GPU-устройств — в данном случае исследователи собрали кластер из двух карточек Tesla C1060 GPU, коммуникация между которыми осуществлялась через Double Data Rate InfiniBand.

В случае симуляции модели Изинга методом Монте-Карло результаты говорят о том, что производительность повышается практически линейно при добавлении большего количества GPU.

Заключение

Эксперименты показывают, что использование графических процессоров может приводить к существуенному повышению производительности финансового анализа. При этом выигрыш в скорости по сравнению с использованием архитектуры с CPU может достигать нескольких десятков раз. При этом добиться еще большего повышения производительности можно с помощью создания кластеров GPU — в таком случае она растет практически линейно.

Другие материалы о железе и онлайн-трейдинге:

В чем разница между APU, CPU и GPU?

Обновлено Джеймсом Фрю от 14.07.2017.

За последнее десятилетие компьютеры стали неотъемлемой частью нашей повседневной жизни. Наряду с внедрением новых технологий резко возросло количество терминов, которые вы должны знать

, Когда приходит время покупать новый компьютер, такие термины, как APU, CPU и GPU, могут быть объединены.

Когда пришло время покупать ваш новый компьютер, знание различий между ними может стать огромным преимуществом. Это может даже в конечном итоге сэкономить вам деньги. Это особенно верно, если вы планируете построить свой собственный компьютер.

Так в чем же разница между APU, CPU и GPU?

Центральный процессор (ЦП)

Центральный процессор

(ЦП) часто называют мозгом компьютера. В первые дни вычислений ЦП будет распределяться по нескольким электронным чипам. Современные компьютеры, смартфоны и другие интеллектуальные устройства используют микропроцессоры, в которых ЦП изготовлен на одном кристалле. Процессор помогает всем: от загрузки операционной системы до выполнения команд и выполнения вычислений в Excel.

Видеоигры требуют много ресурсов от процессора, поэтому тесты производительности обычно проводятся в соответствии с игровыми стандартами.

, Процессоры доступны во многих вариантах — от энергоэффективных одноядерных чипов до высокопроизводительных окто-ядер. Intel использует собственную технологию Hyper-Threading

заставить четырехъядерный процессор вести себя так, как будто это окто-ядро. Это помогает выжать максимум мощности и эффективности из вашего процессора.

Графический процессор (GPU)

Графический процессор (GPU) — это процессор, который генерирует видео и графическое содержимое, отображаемое на экране. Компьютер может функционировать без графического процессора, как в случае со многими серверами удаленного доступа. Графический процессор часто встречается на видеокарте вашего компьютера. Кроме того, он может быть встроен непосредственно в материнскую плату компьютера.

Хотя было бы технически возможно выполнять графические операции на CPU, GPU специально адаптирован для этой цели. Их параллельная структура означает, что они могут выполнять потенциальные миллиарды вычислений в секунду, необходимые для некоторой графической обработки. Графические процессоры также имеют несколько ядер, таких как процессоры. Тем не менее, графический процессор может иметь сотни или даже тысячи ядер.

И да, вы можете получить внешний графический процессор, даже для улучшения графической мощности Mac

,

Ускоренный процессор (APU)

Ускоренная единица обработки

(APU) объединяет процессор и графический процессор в одну микросхему. APU был разработан AMD и первоначально выпущен под названием Fusion. Объединив оба процессора в один чип, компоненты могут обмениваться данными быстрее и повышать производительность и производительность. APU, как правило, не рассматриваются в качестве замены автономной видеокарты. Вместо этого они надеются заменить графические процессоры, встроенные в материнскую плату.

Поскольку графические процессоры оптимизированы для быстрого выполнения вычислений, центральный процессор может переложить часть обработки непосредственно на графический процессор в APU. Хотя считается, что AMD является лидером рынка, Intel также производит их, но не называет их APU. Это может быть связано с тем, что Intel хорошо известна как производитель процессоров, или потому, что этот термин тесно связан с AMD. Несмотря на это, обе фирмы выдвигают APU в качестве предпочтительного процессора для мобильных устройств, ноутбуков и ноутбуков более низкого уровня.

Чем больше ты знаешь

Когда вы хотите обновить или купить новый компьютер, есть много вариантов для обработки. Вы можете выбрать отдельный процессор и графический процессор, где графический процессор либо включен в видеокарту

или встроенный в материнскую плату. Если вы не собираетесь выполнять обработку графики верхнего диапазона, тогда APU может быть правильным выбором.

Правило наилучшей настройки не задано, поскольку существует так много конфигураций и моделей процессоров. То, что вам нужно, будет в значительной степени определяться тем, что вы хотите делать с компьютером

, К счастью, теперь вы понимаете разницу между тремя типами процессоров, поэтому вы можете принять наилучшее решение для ваших нужд.

Какой процессор и графический процессор вы используете? Или вы выбрали ВСУ? Как вы думаете, что лучше? Дайте нам знать в комментариях ниже!

Заметки на полях. Что быстрее, CPU или GPU? / Видеокарты

Время идет, процессоры становятся все мощнее и многоядернее. Видеокарты также наращивают количество вычислительных блоков и помимо создания 3D-изображения пытаются решать те задачи, которыми до сих пор занимались центральные процессоры. При этом разработчики видеокарт обещают значительное повышение производительности, что, в общем-то, подкрепляется цифрами. Но остается вопрос — на самом ли деле архитектура видеокарт лучше подходит для решения хорошо распараллеливаемых задач и потоковой обработки больших массивов данных? Если так, то зачем нам тогда многоядерные процессоры, может действительно стоит «переложить» нагрузку на видеокарты?

Сегодня мы попытаемся ответить на вопрос — «кто кого поборет, кит или слон?», применительно к соревнованию CPU и GPU в части физических расчетов. Данный материал не претендует на полноту и всеохватность, более того — рассматриваемые здесь вопросы являются далеко не единственным примером «соревнования» CPU и GPU в области вычислений. Собственно, эти заметки и появились лишь в результате дискуссии с коллегами по поводу «кто сильнее, CPU или GPU». Не откладывая в долгий ящик, решено было проверить, а действительно — кто? Вы не поверите, но итог соревнования оказался не столь очевиден, и результаты удивили обе стороны. А почему так получилось, сейчас и увидим.

В качестве тестового приложения мы решили взять 3DMark Vantage, а конкретно, один из входящих в пакет тестов — CPU Physics. Выбор, в общем-то, ничем особым не обусловлен, можно сказать — «что под руку попалось». Просто в 3DMark Vantage обычно мы тестируем видеокарты, а в него входит тест расчета «физики», который может выполнятся как на CPU, так и на видеоадаптерах NVIDIA. Вот давайте и посмотрим, кто считает «физику» быстрее.

Тестовое оборудование

Для сравнения мы взяли три процессора. Один из них уже довольно стар — Intel Core 2 Quad QX6850. Второй процессор более современный — AMD Phenom II X4 965. Третий еще современнее — AMD Athlon II X4 620. Конечно, надо было бы взять еще Core i7 или Core i5, но в это время они были заняты в других тестах. Впрочем, и трех имеющихся представителей «процессорного «лагеря будет вполне достаточно для получения качественных и количественных оценок.

Что касается видеокарт, то мы использовали три следующие модели NVIDIA:

• GeForce 9500GT (32 унифицированных процессора)
• GeForce 9600GT (64 унифицированных процессора)
• GeForce GTX260 (216 унифицированных процессоров)

Мы не указываем частоты видеокарт, поскольку в процессе тестирования они постоянно менялись.

Тестирование

В качестве «удельной мощности» CPU или GPU мы будем рассматривать величину производительности в тесте 3DMark Vantage CPU Physics Test (которая измеряется в количестве кадров в секунду), поделенную на количество ядер или шейдерных блоков, а также частоту в мегагерцах. То есть, будем измерять «удельную мощность» в FPS/(МГц*количество вычислительных потоков). Собственно, для получения этой величины осталось измерить количество FPS в тесте при разных частотах процессоров и видеокарт, так как количество ядер CPU фиксировано, как и количество потоковых процессоров у видеокарт. Итак, приступим.

Поскольку CPU до сих пор является «сердцем» компьютера, начнем именно с него. Мы решили немножко усложнить себе задачу и заодно выяснить, как масштабируется производительность CPU в данном тесте не только от частоты, но и от количества ядер. Ядра «отключались» путем задания соответствия на требуемое число ядер CPU для 3DMark Vantage в «Диспетчере задач». Данный метод неидеален, но для наших задач его вполне хватит. Кстати, несмотря на то, что процессор Intel Core 2 Quad QX6850 по сути состоит из двух ядер на одной подложке, какого либо влияния в данном тесте это не оказало. То есть, вариант, когда два ядра используют общий кэш объемом 4 Мб и случай, когда каждое из ядер использует кэш по 4 Мб, показали результаты, совпадающие в пределах погрешности. Ну а масштабирование по частоте осуществлялось путем изменения коэффициента умножения процессора в сторону понижения, прочие параметры системы оставались неизменными. Смотрим, что получилось.

Как видите, с увеличением частоты производительность в тесте растет практически линейно. Теоретически, прямые линии должны начинаться от начала координат, поскольку при нулевой частоте CPU мы просто не получим никаких результатов, то есть нулевой FPS. Давайте проведем прямые линии от начала координат и проверим, насколько они совпадут с экспериментальными кривыми.

Получаются весьма занятные результаты. Результаты Intel Core 2 Quad QX6850 практически идеально ложатся на прямые линии (за исключением случая для трех активных ядер, что может быть обусловлено как раз несимметричностью распределения кэш-памяти между ними в силу архитектуры). Результаты процессора AMD Athlon II X4 620 также хорошо ложатся на линию, проходящую через начало координат. А вот для AMD Phenom II X4 965 все несколько сложнее. Если проводить прямую от начала координат через точку, соответствующую минимальной частоте, то следующие точки отклоняются от этой прямой вниз (случай для одного и двух активных ядер). Если же проводить прямую через точки, соответствующие более высокой частоте CPU, то получается, что результаты на частоте 2000 МГц лежат сверху над прямой. Вероятно, такое поведение результатов можно объяснить наличием у AMD Phenom кэш-памяти третьего уровня. При частоте CPU равной 2000 МГц ядра и кэш-память L3 работают синхронно, поэтому результат максимален. При увеличении частоты ядер частота L3-кэш процессора остается неизменной, и он может вносить какие-то задержки, поэтому результаты «переходят» на прямую, коэффициент наклона которой ниже.

Теперь давайте вычислим «удельную мощность» рассматриваемых процессоров в этом тесте. Напомним, что это по сути есть коэффициент наклона касательной, дополнительно разделенный на количество задействованных ядер CPU. Результаты приведены в таблице ниже.

Удивительно, но в при расчетах «физики» в 3DMark Vantage рассматриваемые процессоры AMD показывают чуть лучшие результаты, чем представитель архитектуры Intel Core 2 Quad.

Теперь давайте посмотрим, какую «удельную мощность» продемонстрируют GPU производства NVIDIA. Поскольку видеопроцессор является довольно сложным устройством, возник вопрос — а как вообще эту «удельную мощность» считать? Поскольку вычислениями в основном занимаются шейдерные блоки, было решено строить графики результатов на основе именно этого параметра. Что касается частоты блоков ROP, то она выбиралась максимально возможной при данной частоте шейдеров. Как оказалось, минимальный коэффициент частоты шейдерных блоков по отношению к частоте ROP-блоков равен двум. Именно такое соотношение частот и сохранялось на протяжении всех тестов.

Для этой части тестов использовался тестовый стенд на основе Core 2 Quad QX6850, рабочая частота процессора — 3600 МГц, все четыре ядра активны. Результаты показаны на графике ниже.

Как видите, в данном тесте по абсолютным показателям видеокарты значительно опережают центральные процессоры в производительности. Причем даже самая слабая из присутствующих модель на минимальных частотах оказывается быстрее четырехъядерного CPU с частотой 3600 МГц. Однако поведение линий результатов несколько отличается от того, что мы видели для центральных процессоров. Более подробно это видно на графике ниже.

На этом графике через точки, соответствующие минимальным рабочим частотам видеокарт, мы провели прямые линии. Как оказалось, они сходятся не в начале координат, а пересекают ось ординат на уровне примерно 20 FPS. Странно, не правда ли? Как оказалось, ничего странного нет, а поведение линий вполне закономерно. Для этого достаточно было посмотреть на загрузку CPU во время выполнения теста — она достигала 100% для каждого из ядер. Если вернуться к данным графика №1, то легко заметить, что результат теста на процессоре Intel Core 2 Quad QX6850 @ 3600 МГц как раз и составляет 18 FPS. Мы пробовали снижать частоту процессора и уменьшать количество активных ядер, и каждый раз уровень вертикального смещения линий результатов для GPU с хорошей точностью совпадал с производительностью центрального процессора в данном тесте.

Что касается отклонения линий результатов от построенных прямых, то это объясняется проще — начиная с определенного момента часть шейдерных блоков, по всей видимости, загружены не полностью. Возможно, сказываются ограниченные возможности по распараллеливанию нагрузки самого теста, а может играют роль какие-то ограничения в архитектуре видеопроцессора. Как бы там ни было, давайте вычислим «удельную мощность» GPU, используя, как и прежде, коэффициент наклона построенных прямых, поделенный на количество потоковых процессоров. Полученные результаты отображены в таблице ниже. Также в ней указана «удельная мощность» Intel Core 2 Quad QX6850.

В это трудно поверить, но в тесте 3DMark Vantage CPU Physics Test «удельная мощность» довольно старого, по нынешним меркам, центрального процессора оказывается как минимум в полтора раза больше «удельной мощности» современных видеопроцессоров NVIDIA. Такой вот парадоксальный результат. Впрочем, мы вовсе не предлагаем отказаться от расчетов на GPU в пользу центральных процессоров. У GPU есть еще один козырь — большая производительность на ватт потребляемой мощности. Эти прикидки сделать несложно, поэтому оставим эту возможность читателям.

Ну а если сравнить абсолютные результаты CPU и GPU, полученные в рамках данного тестирования, то современные процессоры еще не скоро до них дорастут. Впрочем, и отрицать успехи процессоростроения не стоит. Не так давно были опубликованы результаты тестирования разогнанного шестиядерного процессора Intel Core i9 Gulftown. Разогнанный до частоты 5892 МГц, этот процессор в тесте 3DMark Vantage CPU Physics Test показал результат 63,01 FPS. Если подсчитать «удельную мощность» новинки, то получаем величину 0.00178 FPS/(МГц*кол-во ядер), что в 1.44 раза больше «удельной мощности» процессора Core 2 Quad QX6850. То есть 44% прибавки достигаются за счет преимуществ архитектуры Core i9 и технологии HyperThreading.
И хотя прямого противостояния CPU и GPU по всему фронту решаемых задач пока не наблюдается, кто знает, где именно между ними развернется жестокая конкуренция. Стоит упомянуть AMD Radeon HD 5870, обладающий вычислительной мощностью 2,7 TFLOPS, а также Microsoft DirectX 11 с поддержкой технологии Compute Shader, позволяющей переложить расчеты на GPU. То ли еще будет…

Если Вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.

что это в компьютере. В чем разница между CPU и GPU

Время идет, процессоры становятся все мощнее и многоядернее. Видеокарты также наращивают количество вычислительных блоков и помимо создания 3D-изображения пытаются решать те задачи, которыми до сих пор занимались центральные процессоры. При этом разработчики видеокарт обещают значительное повышение производительности, что, в общем-то, подкрепляется цифрами. Но остается вопрос — на самом ли деле архитектура видеокарт лучше подходит для решения хорошо распараллеливаемых задач и потоковой обработки больших массивов данных? Если так, то зачем нам тогда многоядерные процессоры, может действительно стоит «переложить» нагрузку на видеокарты?
Сегодня мы попытаемся ответить на вопрос — «кто кого поборет, кит или слон?», применительно к соревнованию CPU и GPU в части физических расчетов. Данный материал не претендует на полноту и всеохватность, более того — рассматриваемые здесь вопросы являются далеко не единственным примером «соревнования» CPU и GPU в области вычислений. Собственно, эти заметки и появились лишь в результате дискуссии с коллегами по поводу «кто сильнее, CPU или GPU». Не откладывая в долгий ящик, решено было проверить, а действительно — кто? Вы не поверите, но итог соревнования оказался не столь очевиден, и результаты удивили обе стороны. А почему так получилось, сейчас и увидим.
В качестве тестового приложения мы решили взять 3DMark Vantage, а конкретно, один из входящих в пакет тестов — CPU Physics. Выбор, в общем-то, ничем особым не обусловлен, можно сказать — «что под руку попалось». Просто в 3DMark Vantage обычно мы тестируем видеокарты, а в него входит тест расчета «физики», который может выполнятся как на CPU, так и на видеоадаптерах NVIDIA. Вот давайте и посмотрим, кто считает «физику» быстрее.

Тестовое оборудование

Для сравнения мы взяли три процессора. Один из них уже довольно стар — Intel Core 2 Quad QX6850. Второй процессор более современный — AMD Phenom II X4 965. Третий еще современнее — AMD Athlon II X4 620. Конечно, надо было бы взять еще Core i7 или Core i5, но в это время они были заняты в других тестах. Впрочем, и трех имеющихся представителей «процессорного «лагеря будет вполне достаточно для получения качественных и количественных оценок.

Что касается видеокарт, то мы использовали три следующие модели NVIDIA:

• GeForce 9500GT (32 унифицированных процессора)
• GeForce 9600GT (64 унифицированных процессора)
• GeForce GTX260 (216 унифицированных процессоров)

Мы не указываем частоты видеокарт, поскольку в процессе тестирования они постоянно менялись.

Тестирование

В качестве «удельной мощности» CPU или GPU мы будем рассматривать величину производительности в тесте 3DMark Vantage CPU Physics Test (которая измеряется в количестве кадров в секунду), поделенную на количество ядер или шейдерных блоков, а также частоту в мегагерцах. То есть, будем измерять «удельную мощность» в FPS/(МГц*количество вычислительных потоков). Собственно, для получения этой величины осталось измерить количество FPS в тесте при разных частотах процессоров и видеокарт, так как количество ядер CPU фиксировано, как и количество потоковых процессоров у видеокарт. Итак, приступим.
Поскольку CPU до сих пор является «сердцем» компьютера, начнем именно с него. Мы решили немножко усложнить себе задачу и заодно выяснить, как масштабируется производительность CPU в данном тесте не только от частоты, но и от количества ядер. Ядра «отключались» путем задания соответствия на требуемое число ядер CPU для 3DMark Vantage в «Диспетчере задач». Данный метод неидеален, но для наших задач его вполне хватит. Кстати, несмотря на то, что процессор Intel Core 2 Quad QX6850 по сути состоит из двух ядер на одной подложке, какого либо влияния в данном тесте это не оказало. То есть, вариант, когда два ядра используют общий кэш объемом 4 Мб и случай, когда каждое из ядер использует кэш по 4 Мб, показали результаты, совпадающие в пределах погрешности. Ну а масштабирование по частоте осуществлялось путем изменения коэффициента умножения процессора в сторону понижения, прочие параметры системы оставались неизменными. Смотрим, что получилось.

Как видите, с увеличением частоты производительность в тесте растет практически линейно. Теоретически, прямые линии должны начинаться от начала координат, поскольку при нулевой частоте CPU мы просто не получим никаких результатов, то есть нулевой FPS. Давайте проведем прямые линии от начала координат и проверим, насколько они совпадут с экспериментальными кривыми.

Получаются весьма занятные результаты. Результаты Intel Core 2 Quad QX6850 практически идеально ложатся на прямые линии (за исключением случая для трех активных ядер, что может быть обусловлено как раз несимметричностью распределения кэш

Разница между CPU и GPU. Центральный и графический процессор. Что такое gpu в компьютере

На что мы смотрим в первую очередь, выбирая себе смартфон? Если на минутку отвлечься от стоимости, то в первую очередь мы, конечно, выбираем размер экрана. Затем нас интересует камера, объем оперативной, количество ядер и частота работы процессора. И тут все просто: чем больше, тем лучше, а чем меньше, тем, соответственно, хуже. Однако в современных устройствах используется еще и графический процессор, он же GPU. Что это такое, как он работает и почему про него важно знать, мы расскажем ниже.

GPU (Graphics Processing Unit) — это процессор, предназначенный исключительно для операций по обработке графики и вычислений с плавающей точкой. Он в первую очередь существует для того, чтобы облегчить работу основного процессора, когда дело касается ресурсоемких игр или приложений с 3D-графикой. Когда вы играете в какую-либо игру, GPU отвечает за создание графики, цветов и текстур, в то время как CPU может заняться искусственным интеллектом или расчетами механики игры.

Архитектура графического процессора не сильно отличается от архитектуры CPU, однако она более оптимизирована для эффективной работы с графикой. Если заставить графический процессор заниматься любыми другими расчетами, он покажет себя с худшей стороны.

Видеокарты, которые подключаются отдельно и работают на высоких мощностях, существуют только в ноутбуках и настольных компьютерах. Если мы говорим об Android-устройствах, то мы говорим об интегрированной графике и том, что мы называем SoC (System-on-a-Chip). К примеру, в процессоре интегрирован графический процессор Adreno 430. Память, которую он использует для своей работы, это системная память, в то время как для видеокарт в настольных ПК выделяется доступная только им память. Правда, существуют и гибридные чипы.

В то время как процессор с несколькими ядрами работает на высоких скоростях, графический процессор имеет много процессорных ядер, работающих на низких скоростях и занимающихся лишь вычислением вершин и пикселей. Обработка вершин в основном крутится вокруг системы координат. GPU обрабатывает геометрические задачи, создавая трехмерное пространство на экране и позволяя объектам перемещаться в нем.

Обработка пикселей является более сложным процессом, требующим большой вычислительной мощности. В этот момент графический процессор накладывает различные слои, применяет эффекты, делает все для создания сложных текстур и реалистичной графики. После того как оба процесса будут обработаны, результат переносится на экран вашего смартфона или планшета. Все это происходит миллионы раз в секунду, пока вы играете в какую-нибудь игру.

Конечно же, этот рассказ о работе GPU является весьма поверхностным, но его достаточно для того, чтобы составить правильное общее представление и суметь поддержать разговор с товарищами или продавцом электроники либо понять — почему ваше устройство так сильно нагрелось во время игры. Позднее мы обязательно обсудим преимущества тех или иных GPU в работе с конкретными играми и задачами.

По материалам AndroidPit

Немецкого исследователя об использовании вычислений GPU в эконофизике и статистической физике, в том числе для осуществления анализа информации на фондовом рынке. Мы представляем вашему вниманию основные тезисы этого материала.

Примечание: Статья в журнале датирована 2011 годом, с тех пор появились новые модели GPU-устройств, однако общие подходы к использованию этого инструмента в инфраструктуре для онлайн-трейдинга остались неизменными

Требования к вычислительным мощностям растут в различных сферах. Одна из них — финансовый анализ, который необходим для успешной торговли на фондовом рынке, особенно средствами HFT. Для того, чтобы принять решение о покупке или продаже акций, алгоритм должен проанализировать серьезный объём входных данных — информация о транзакциях и их параметрах, текущих котировках и трендах изменения цены и т.д.

Время, которое пройдет от создания заявки на покупку или продажу до получения ответа о ее успешныом выполнеии от биржевого сервера называется раундтрипом (round-trip, RTT). Участники рынка всеми силами стремятся снизить это время, в частности для этого используются технологии прямого доступа на биржу, а серверы с торговым софтом располагаются на колокации рядом с торговым движком бирж.

Однако технологические возможности по сокращению раундтрипа ограничены, и после их исчерпания перед трейдерами встает вопрос о том, как еще можно ускорить торговые операции. Для этого применяются новые подходы к построению инфраструктуры для онлайн-трейдинга. В частности используются FPGA и GPU. Об ускорении HFT-трейдинга с помощью «программируемого железа» мы писали ранее, сегодня речь пойдет о том, как для этого можно применять гр

CPU против GPU | Определение и ответы на часто задаваемые вопросы

Как CPU и GPU работают вместе

CPU (центральный процессор) работает вместе с GPU (графический процессор) для увеличения пропускной способности данных и количества одновременных вычислений в приложении. Первоначально графические процессоры были разработаны для создания изображений для компьютерной графики и игровых консолей, но с начала 2010-х годов графические процессоры также могут использоваться для ускорения вычислений с использованием огромных объемов данных.

ЦП никогда нельзя полностью заменить графическим процессором: графический процессор дополняет архитектуру ЦП, позволяя выполнять повторяющиеся вычисления в приложении параллельно, в то время как основная программа продолжает выполняться на ЦП.ЦП можно рассматривать как руководителя всей системы, координирующего широкий спектр вычислительных задач общего назначения, а графический процессор выполняет более узкий круг более специализированных задач (обычно математических). Используя возможности параллелизма, графический процессор может выполнять больше работы за то же время по сравнению с процессором.

‍

Часто задаваемые вопросы

Разница между ЦП и ГП

Основное различие между архитектурой ЦП и ГП заключается в том, что ЦП предназначен для быстрого выполнения широкого круга задач (измеряется тактовой частотой ЦП), но имеет ограниченное в одновременном выполнении задач, которые могут выполняться.Графический процессор предназначен для быстрого одновременного рендеринга изображений и видео с высоким разрешением.

Поскольку графические процессоры могут выполнять параллельные операции с несколькими наборами данных, они также обычно используются для неграфических задач, таких как машинное обучение и научные вычисления. Графические процессоры, рассчитанные на одновременную работу тысяч процессорных ядер, обеспечивают массовый параллелизм, при котором каждое ядро ​​ориентировано на выполнение эффективных вычислений.

CPU против обработки GPU

Хотя графические процессоры могут обрабатывать данные на несколько порядков быстрее, чем CPU, из-за массивного параллелизма, графические процессоры не так универсальны, как процессоры.ЦП имеют большие и широкие наборы инструкций, управляющие 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 к этому же серверу может обеспечить до 40 000 дополнительных ядер. Хотя отдельные ядра ЦП быстрее (измеряется тактовой частотой ЦП) и умнее отдельных ядер ГП (измеряется доступными наборами инструкций), огромное количество ядер ГП и огромный объем параллелизма, который они предлагают, больше, чем составляют единое целое. — разница в тактовой частоте ядра и ограниченный набор инструкций.

Графические процессоры

лучше всего подходят для повторяющихся и высокопараллельных вычислительных задач. Помимо рендеринга видео, графические процессоры превосходно подходят для машинного обучения, финансового моделирования и моделирования рисков, а также многих других типов 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 масштабе, уступая место специализированному оборудованию, такому как программируемые сетевые массивы (FPGA), а затем интегральные схемы для конкретных приложений (ASIC) .

Примеры вычислений CPU в GPU

CPU и GPU рендеринг видео — Графическая карта помогает перекодировать видео из одного графического формата в другой быстрее, чем полагается на CPU.

Ускорение данных — графический процессор имеет расширенные возможности вычислений, 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 выгружены графическим процессором.Это освобождает 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 ЦП может справиться с этой задачей, графический процессор на видеокарте может помочь компьютеру генерировать валюту намного быстрее.

‍

‍

Поддерживает ли OmniSci CPU и GPU?

Да. GPU Open Analytics Initiative (GOAI) и ее первый проект, GPU Data Frame (GDF, теперь cudf), были первым общеотраслевым шагом к открытой экосистеме для сквозных вычислений на GPU.Теперь известный как проект RAPIDS, основная цель — обеспечить эффективную связь внутри GPU между различными процессами, выполняемыми на GPU.

По мере роста внедрения cudf в экосистеме науки о данных пользователи смогут беспрепятственно передавать процесс, выполняемый на графическом процессоре, другому процессу без копирования данных в центральный процессор. За счет удаления промежуточных сериализаций данных между инструментами обработки данных графического процессора время обработки резко сокращается. Более того, поскольку cudf использует функциональность межпроцессного взаимодействия (IPC) в программном API Nvidia CUDA, процессы могут передавать дескриптор данных вместо того, чтобы копировать сами данные, обеспечивая передачу практически без накладных расходов.В результате графический процессор становится первоклассным вычислительным центром, и процессы могут взаимодействовать друг с другом так же легко, как и процессы, выполняемые на центральном процессоре.

‍

.

Разница между CPU и GPU

Ключевое отличие: ЦП выполняет все арифметические и вычислительные функции компьютера. Графический процессор — это блок электронной схемы, который предназначен для быстрого управления и изменения памяти, чтобы увеличить скорость, с которой система создает изображения в кадре.

CPU и GPU часто используются, когда речь идет о компьютере и его технологиях. Хотя эти слова используются ежедневно, люди часто не понимают, какая технология выполняет какую работу.Когда обычный человек открывает компьютер, его часто сбивает с толку количество микросхем, проводов и зажимов, которые видны внутри системы. Если он не разбирается в вычислительной технике, он не сможет ничего отличить от другого. Это одна из основных причин, по которой компьютерные техники могут взимать такую ​​высокую плату даже за то, чтобы взглянуть на систему. Следовательно, важно иметь небольшие знания о том, какая технология предлагает какую цель.

Центральный процессор (ЦП) — это аппаратное обеспечение компьютерной системы, которое выполняет инструкции компьютерной программы, выполняя основные арифметические, логические операции и операции ввода / вывода системы.Его также называют центральным процессором или, чаще, процессором. Однако многие ошибочно используют термин ЦП для обозначения корпуса, в котором хранится все аппаратное обеспечение компьютера, тогда как на самом деле компьютерные программы исполняются только на небольшом процессоре.

В больших компьютерах для ЦП требуется одна или несколько печатных плат. Однако в персональных компьютерах и небольших рабочих станциях, которыми пользуется большинство из нас, центральный процессор размещен в едином кремниевом кристалле, называемом микропроцессором.Основная функция ЦП — запускать или выполнять программу. Программа — это, по сути, последовательность сохраненных инструкций, которая представлена ​​серией чисел, которые хранятся в некоторой компьютерной памяти. Процессоры для

.

CPU против GPU: в чем разница?

Будь то приложения для глубокого обучения, массовый параллелизм, интенсивные 3D-игры или другая требовательная рабочая нагрузка, сегодня от систем требуется больше, чем когда-либо прежде. Центральный процессор (ЦП) и графический процессор (ГП) играют очень разные роли. Для чего используются процессоры? Для чего используются графические процессоры? Знание роли каждого из них важно при покупке нового компьютера и сравнении характеристик.

Что такое ЦП?
ЦП, состоящий из миллионов транзисторов, может иметь несколько процессорных ядер и обычно называется мозгом компьютера. Он необходим для всех современных вычислительных систем, поскольку 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 более специализированных ядер.Работая вместе, ядра обеспечивают огромную производительность, когда задача обработки может быть разделена и обработана между несколькими ядрами.

В чем разница между процессором и графическим процессором?
CPU и GPU имеют много общего. Оба являются критически важными вычислительными механизмами. Оба являются микропроцессорами на основе кремния. И оба обрабатывают данные. Но процессоры и графические процессоры имеют разную архитектуру и созданы для разных целей.

ЦП подходит для широкого спектра рабочих нагрузок, особенно тех, для которых важны задержки или производительность на уровне ядра.Мощный механизм выполнения, ЦП фокусирует свое меньшее количество ядер на отдельных задачах и на быстром выполнении задач. Это делает его уникальным оборудованием для различных задач, от последовательных вычислений до работы с базами данных.

Графические процессоры

начинались как специализированные ASIC, разработанные для ускорения определенных задач 3D-рендеринга. Со временем эти механизмы с фиксированной функцией стали более программируемыми и гибкими. В то время как графика и все более реалистичное изображение в современных популярных играх остаются их основной функцией, графические процессоры эволюционировали и стали более универсальными параллельными процессорами, обслуживающими все больший круг приложений.

Что такое интегрированная графика?
Интегрированная или совместно используемая графика встроена в тот же чип, 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 разделяют память с ЦП.

Интегрированные графические процессоры имеют несколько преимуществ. Их интеграция с центральными процессорами позволяет им обеспечивать преимущества в пространстве, стоимости и энергоэффективности по сравнению с выделенными графическими процессорами.Они предоставляют возможности для обработки данных, связанных с графикой, и инструкций для общих задач, таких как исследование Интернета, потоковая передача фильмов 4K и обычные игры.

Такой подход чаще всего используется с устройствами, для которых важны компактный размер и энергоэффективность, например ноутбуки, планшеты, смартфоны и некоторые настольные компьютеры.

Accelerating Deep Learning and AI
Сегодня графические процессоры выполняют все больше рабочих нагрузок, таких как глубокое обучение и искусственный интеллект (AI).Для обучения глубокому обучению с несколькими слоями нейронной сети или на массивных наборах определенных данных, таких как 2D-изображения, идеально подходят графические процессоры или другие ускорители.

Алгоритмы глубокого обучения были адаптированы для использования подхода с ускорением графического процессора, что позволило значительно повысить производительность и впервые довести обучение нескольким реальным задачам до возможного 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 специального оборудования искусственного интеллекта, такого как Intel® Deep Learning Boost (Intel® DL Boost) в новейшие процессоры 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 без изображений, центральные процессоры превосходны. ЦП могут поддерживать гораздо больший объем памяти, чем даже лучшие графические процессоры сегодня, для сложных моделей или приложений глубокого обучения (например.g., обнаружение 2D-изображения).

Комбинация ЦП и ГП, а также достаточный объем оперативной памяти обеспечивают отличную тестовую площадку для глубокого обучения и ИИ.

Десятилетия лидерства в разработке процессоров
Intel имеет долгую историю инноваций в области процессоров, начиная с 1971 года, когда был представлен 4004, первый коммерческий микропроцессор, полностью интегрированный в один чип.

Сегодня процессоры Intel® позволяют создавать искусственный интеллект, который вы хотите и где хотите, на базе известной вам архитектуры x86.От высокопроизводительных процессоров Intel® Xeon® Scalable в центрах обработки данных и облаке до энергоэффективных процессоров Intel® Core ™ на периферии — Intel поставляет ЦП для любых нужд.

Интеллектуальная производительность процессоров Intel® Core ™ 10-го поколения
Наши процессоры Intel® Core ™ 10-го поколения используют полностью новую архитектуру ядра ЦП, полностью новую графическую архитектуру и встроенные инструкции AI для интеллектуального обеспечения оптимальной производительности и удобства.

Системы на базе процессоров Intel® Core ™ 10-го поколения

оснащены новейшим графическим процессором Intel® Iris® Plus, который представляет собой огромный скачок вперед в области тонких и легких ноутбуков, обеспечивая более плавное, детальное и яркое взаимодействие, чем когда-либо поставляла Intel перед.

Intel® Iris® Plus обеспечивает встроенную графику процессора для встроенного ускорения логических выводов глубокого обучения, предлагая примерно вдвое улучшенную графическую производительность. ² Графический адаптер Intel® Iris® Plus также обеспечивает исключительную энергоэффективность.

Скоро появится графический процессор Intel®
В настоящее время Intel стремится использовать возможности ЦП и встроенного графического процессора для разработки специализированных графических процессоров. Intel планирует представить свой первый дискретный графический процессор Intel®, который предоставит полный портфель вариантов ЦП и ГП и снабдит вас необходимыми инструментами для удовлетворения растущих вычислительных потребностей.

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

В ближайшие месяцы ждите анонсов новых графических процессоров Intel®.

.

В чем разница между APU, CPU и GPU?

Когда приходит время покупать новый компьютер, знание разницы между процессором, графическим процессором и APU является значительным преимуществом. Это может даже сэкономить вам деньги. Это особенно актуально, если вы планируете собрать свой собственный компьютер.

Эти три технологии часто сгруппированы, но выполняют разные роли.Знание функции каждого из них и то, может ли оно вам понадобится, имеет решающее значение.

Итак, в чем именно разница между APU, CPU и GPU?

Центральный процессор (ЦП)

Центральный процессор или ЦП — это главный мозг компьютера.В ранних компьютерах ЦП был распределен по нескольким микросхемам. Однако для повышения эффективности и снижения производственных затрат ЦП теперь находится на одном кристалле. Эти меньшие по размеру процессоры также называют микропроцессорами.

Уменьшение занимаемой площади процессора также позволило нам разрабатывать и производить более компактные устройства меньшего размера.Настольные компьютеры можно найти как универсальные устройства, ноутбуки продолжают становиться тоньше, но функциональнее, а некоторые смартфоны теперь более мощные, чем их традиционные аналоги.

ЦП выполняет основные вычислительные процессы для вашего компьютера.Инструкции, хранящиеся в оперативной памяти вашего устройства, отправляются в ЦП для выполнения. Это трехэтапная система, состоящая из этапов выборки, декодирования и выполнения. В широком смысле это означает получение входных данных, понимание того, что они собой представляют, и создание желаемого результата.

Используя это, ваш ЦП помогает во всем: от загрузки операционной системы, открытия программ и даже выполнения расчетов в электронных таблицах.Ресурсоемкие операции, такие как видеоигры, наиболее сильно нагружают ваш процессор. Вот почему тесты производительности обычно проводятся по игровым стандартам.

ЦП доступны во многих вариантах — от энергоэффективных одноядерных чипов до восьмиъядерных процессоров с максимальной производительностью.Intel использует свою технологию Hyper-Threading, чтобы четырехъядерный процессор работал так, как будто он является восьмиъядерным. Это помогает выжать из вашего процессора максимальную мощность и эффективность.

Если это пробудило у вас интерес к дальнейшему изучению, ознакомьтесь с нашим руководством по процессору и его функциям.

Что такое ЦП и для чего он нужен?

Аббревиатуры в вычислительной технике сбивают с толку. Что такое ЦП? А мне нужен четырехъядерный или двухъядерный процессор? А как насчет AMD или Intel? Мы здесь, чтобы помочь объяснить разницу!

Графический процессор (GPU)

Несмотря на все достижения в области процессоров, у них все еще есть недостатки; а именно графика.ЦП принимают входные данные и обрабатывают их линейными шагами. Однако обработка графики требует одновременной обработки нескольких данных. Графический процессор (GPU) снижает нагрузку на ЦП и повышает производительность видео.

Большинство компьютеров и ноутбуков оснащены процессором и графическим процессором, но это не всегда так.Иногда, особенно в более низком ценовом диапазоне, ваш компьютер будет поставляться со встроенной графикой вместо выделенного графического процессора. Если вы не уверены, какая у вас настройка, взгляните на наше сравнение встроенных и выделенных видеокарт.

И графический процессор, и центральный процессор выполняют схожие функции, но по-разному они это делают.Параллельная структура графического процессора специально адаптирована для этого. Это помогает устройству выполнять миллиарды вычислений в секунду, необходимых для игр и воспроизведения видео. Графический процессор часто располагается на отдельной видеокарте, которая также имеет собственную оперативную память.

Это позволяет карте хранить генерируемые данные.Кроме того, благодаря встроенной оперативной памяти графический процессор может создавать буфер, сохраняя готовые изображения до тех пор, пока вам не понадобится их отображать. Это особенно полезно, например, при просмотре видео.

Поскольку эти карты легко заменить, это часто рассматривается как одно из лучших обновлений, которые вы можете сделать для своего компьютера.У высокопроизводительных видеокарт обычно есть соответствующая цена. Тем не менее, существуют видеокарты для дешевых игр, которые подходят для любого бюджета.

Блок ускоренной обработки (APU)

bodkins18 / Pixabay

Чтобы уменьшить физические размеры и производственные затраты, производители нашли способы объединить электронные компоненты в единые микросхемы.Последняя итерация этой технологии — устройства System-on-a-Chip (SoC). В этой конструкции вся основная электроника объединена на одном кристалле. Это способствовало росту недорогих вычислительных устройств и смартфонов.

Однако предшественником SoC был Accelerated Processing Unit или APU.Эти блоки объединили ЦП и ГП на одном кристалле, чтобы сформировать комбинированный блок обработки. Это не только снижает стоимость, но также повышает эффективность. Минимизация физического расстояния между ними обеспечивает более быструю передачу данных и повышение производительности.

Поскольку графические процессоры оптимизированы для более высокой скорости вычислений, центральный процессор может переложить часть работы на графический процессор.В отдельной установке выигрыш в эффективности от этого распределения нагрузки будет подорван из-за физического расстояния и скорости передачи данных между ними. Тем не менее, объединенный APU действительно делает эти преимущества возможными.

Несмотря на это, APU не дает такой же производительности, как выделенный CPU и GPU.Вместо этого их лучше рассматривать как шаг вперед по сравнению с интегрированной графикой. Это делает APU доступным обновлением для тех, кто хочет обновить свои ПК.

Производитель процессоров AMD разработал APU.Однако они были не единственными, кто объединил процессоры таким образом. Intel также начала интегрировать CPU и GPU. Основное отличие заключалось в том, что AMD выпустила специальную линейку APU, тогда как Intel и другие компании объединили их в свои линейки продуктов.

Для более подробной разбивки взгляните на наше руководство по APU и его функциям.

APU против CPU против GPU: теперь вы знаете!

Теперь мы рассмотрели основные процессоры, и вы знаете, что существует множество вариантов для вашего компьютера.Если вы выберете отдельный процессор и графический процессор, вы, вероятно, потратите больше, но также получите более значительный прирост производительности.

Выбор APU — это компромисс между бюджетом и производительностью.Если вы в настоящее время работаете со встроенной графикой, то APU — стоящее обновление, которое не сломает банк.

Однако, прежде чем вкладывать средства в APU, CPU или GPU, вы должны быть уверены, что выбираете лучшее обновление для своей машины.В этом случае вам следует подумать, какое из этих обновлений лучше всего улучшит ваш компьютер.

Как получить текущий каталог в Python

Программирование на Python и вам нужно получить текущий рабочий (текущий) каталог? Используйте эти команды, чтобы найти его.

Об авторе

Джеймс Фрю
(Опубликовано 248 статей)

Джеймс — редактор руководств для покупателей MakeUseOf и писатель-фрилансер, делающий технологии доступными и безопасными для всех.Живой интерес к экологичности, путешествиям, музыке и психическому здоровью. БЫЛ в области машиностроения в Университете Суррея. Также можно найти в PoTS Jots, где написано о хронических заболеваниях.

Ещё от James Frew

Подпишитесь на нашу рассылку новостей

Подпишитесь на нашу рассылку, чтобы получать технические советы, обзоры, бесплатные электронные книги и эксклюзивные предложения!

Еще один шаг…!

Подтвердите свой адрес электронной почты в только что отправленном вам электронном письме.

.