作者:小牛呼嚕嚕 | https://xiaoniuhululu.com 電腦內功、JAVA底層、面試相關資料等更多精彩文章在公眾號「小牛呼嚕嚕 」 前言 大家好,國慶馬上就要過去了,這不偷偷地進來學習了一波。之前小牛學過一點深度學習的知識,做了幾個項目,發現CPU來訓練就很慢,但是後來用裝有GP ...
目錄
作者:小牛呼嚕嚕 | https://xiaoniuhululu.com
電腦內功、JAVA底層、面試相關資料等更多精彩文章在公眾號「小牛呼嚕嚕 」
前言
大家好,國慶馬上就要過去了,這不偷偷地進來學習了一波。之前小牛學過一點深度學習的知識,做了幾個項目,發現CPU來訓練就很慢,但是後來用裝有GPU的電腦來訓練,就明顯快的飛起,感覺很神奇。
此時心裡有個疑問,CPU造價那麼昂貴,性能比起記憶體、機械硬碟、固態硬碟,快的不是一個數量級的,這個GPU竟然比CPU還要厲害?
讓我們一起進入電腦的世界,一起來看看GPU和CPU!
CPU是什麼?
CPU,中央處理器(Central Processing Unit)是一臺電腦的運算核心和控制核心。CPU、內部存儲器和輸入/輸出設備是電子電腦三大核心部件。其功能主要是解釋電腦指令以及處理電腦軟體中的數據。
GPU是什麼?
GPU,圖形處理器(Graphic Processing Unit)。一個專門的圖形核心處理器。GPU是顯示卡的“大腦”,決定了該顯卡的檔次和大部分性能,同時也是2D顯示卡和3D顯示卡的區別依據。2D顯示晶元在處理3D圖像和特效時主要依賴CPU的處理能力,稱為“軟加速”。3D顯示晶元是將三維圖像和特效處理功能集中在顯示晶元內,也即所謂的“硬體加速”功能。
GPU與CPU的區別
GPU的由來
電腦對圖像進行實時渲染, 一般需要經過圖形流水線的過程:頂點處理->圖元處理->柵格化->片段處理->像素操作
, 期間需要大量的計算,比如 640×480的解析度的屏幕,為了顯示游戲畫面,大概有30萬個像素需要渲染 ,為了讓人眼看到畫面動起來,其不像電影一樣只需要24幀,至少需要60幀, 即每秒我們需要完成1800 萬次單個像素的渲染,每個像素都需要經過圖形流水線過程,需要耗費大量資源
隨著圖像處理對於電腦來說越來越重要,CPU越來越不從心了。CPU需要很強的通用性來處理各種不同的數據類型,同時又要邏輯判斷又會引入大量的分支跳轉和中斷的處理。這些都使得CPU的內部結構異常複雜。
另一方面,當晶元的集成度增加後,漏電流也隨之增大,但時鐘頻率的提高有限,而且晶體管的線寬很快就會到達物理極限,因此晶元的性能很難靠減小晶體管線寬來提高。所以工程師們開始想辦法在設計上做文章:由於圖像渲染的流程是固定的,通過硬體來解決這個問題,那就設計一個不需要考慮CPU的流水線停頓、亂序執行、 分支預測、記憶體管理、IO等等的各類問題的晶元 ,這其實就是GPU。
並行計算
我們重點再介紹一下CPU並行,即並行計算
並行計算(Parallel Computing)是指同時使用多種計算資源解決計算問題的過程,是提高電腦系統計算速度和處理能力的一種有效手段。它的基本思想是用多個處理器來共同求解同一問題,即將被求解的問題分解成若幹個部分,各部分均由一個獨立的處理機來並行計算。
並行計算可分為時間上的並行
和空間上的並行
- 時間上的並行是指流水線技術,採用流水線,可以在同一時間啟動兩個或兩個以上的操作,大大提高計算性能。
- 空間上的並行是指多個處理機併發的執行計算,即通過網路將兩個以上的處理機連接起來,達到同時計算同一個任務的不同部分,或者單個處理機無法解決的大型問題。
GPU架構優化
我們來看看,現代的 GPU 為了圖形渲染、深度學習上有相較於CPU更強大的性能,做出來哪些設計上的優化:
- 由於GPU不需要考慮CPU的流水線停頓、亂序執行、 分支預測等等的各類問題,只需要流式計算的功能,所以內部許多CPU的電路是不需要的,這樣就節約了大量空間
- 由於GPU相比CPU電路就簡單多了,這樣就可以塞入更多的電路,即更多的"核",他們都是並行的,能夠極大提升性能
- 除了塞更多的核,為了更大程度提升GPU的性能,還採用 SIMT技術, 可以把多條數據,交給不同的線程去處理。類似於CPU中,SIMD技術,但是其只能一次性取出了固定 長度的多個數據,放到寄存器裡面,用一個指令去執行
- GPU同樣採用超線程技術, 當任務計算遇到停頓的時候,調度一些別的計算任務給當前的 ALU,這樣就需要保證核心中提供更多的執行上下文給ALU算數計算單元使用
我們再看看下麵的CPU和GPU的架構圖,想必會有所得
- CPU架構圖
- GPU架構圖
從架構圖我們就能很明顯的看出,GPU的構成相對簡單,GPU採用流式並行計算模式,每一個計算單元可以單獨負責一個像素點,每個像素點不依賴旁邊像素點的數據,所以每個計算單元都是獨立並行的,不需要控制器額外干涉。CPU的核數一般2,4,8核;但是GPU可以達到上千核
擁有數量非常多的計算單元和超長的流水線,計算能力非常強悍,特別適合處理大規模併發計算
我們需要知道GPU無法單獨工作,必須由CPU進行控制調用才能工作。CPU可單獨作用,處理複雜的邏輯運算和不同的數據類型,但當需要大量的處理類型統一的數據時,則可調用GPU進行並行計算。
GPU和CPU的應用場景
小結一下
- CPU需要很強的通用性來處理各種不同的數據類型,同時又要邏輯判斷又會引入大量的分支跳轉和中斷的處理。這些都使得CPU的內部結構異常複雜,採用的是精兵戰術,能力強,但數量少,擅長邏輯控制,串列運算。
- GPU面對的則是類型高度統一的、相互無依賴的大規模數據和不需要被打斷的純凈的計算環境,採用的是人海戰術,單個能力弱,但數量眾多,擅長的是大規模併發計算。
雖然GPU是為了圖像處理而生的,隨著時代的發展,現在GPU不僅可以在圖像處理領域大顯身手,它還被用來深度學習、科學計算、密碼破解、數值分析,海量數據處理,金融分析等需要大規模並行計算的領域。
參考資料:
《深入淺出電腦組成原理》
https://blog.csdn.net/shuiyixin/article/details/82915378
https://www.sohu.com/a/201309334_468740
https://zhuanlan.zhihu.com/p/156171120
本篇文章到這裡就結束啦,很感謝你能看到最後,如果覺得文章對你有幫助,別忘記關註我!更多精彩的文章