CPU 与 GPU 到底有什么区别?

今天跟大家简单聊聊 CPUGPU

教授 vs 小学生

我们可以简单地将 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。

图片[1]-CPU 与 GPU 到底有什么区别?-北忘山博客

因此我们可以看到,CPUGPU 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。

图片[2]-CPU 与 GPU 到底有什么区别?-北忘山博客

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。

图片[3]-CPU 与 GPU 到底有什么区别?-北忘山博客

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:

图片[4]-CPU 与 GPU 到底有什么区别?-北忘山博客

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加减法一样,注意,对于屏幕来说一般会有上百万个像素,如果我们要串行地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地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:

图片[5]-CPU 与 GPU 到底有什么区别?-北忘山博客

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。
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,希望对大家理解 GPU 有所帮助。

© 版权声明
THE END
喜欢就支持一下吧
点赞8 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容