Une unité de traitement graphique (GPU) est une puce informatique qui rend des graphiques et des images en effectuant des calculs mathématiques rapides. Les GPU sont utilisés pour l’informatique professionnelle et personnelle. Traditionnellement, les GPU sont responsables du rendu des images 2D et 3D, des animations et des vidéos even même si, maintenant, ils ont une plage d’utilisation plus large.

dans les premiers jours de l’informatique, l’unité centrale de traitement (CPU) effectuait ces calculs., Cependant, à mesure que des applications plus gourmandes en graphiques étaient développées, leurs exigences mettaient à rude épreuve le processeur et diminuaient les performances. Les GPU ont été développés comme un moyen de décharger ces tâches des processeurs et d’améliorer le rendu des graphiques 3D. Les GPU fonctionnent en utilisant une méthode appelée traitement parallèle, où plusieurs processeurs gèrent des parties distinctes de la même tâche.

Les GPU sont bien connus dans les jeux sur PC (Ordinateur personnel), ce qui permet un rendu graphique fluide et de haute qualité. Les développeurs ont également commencé à utiliser des GPU comme moyen d’accélérer les charges de travail dans des domaines tels que l’intelligence artificielle (IA).,

cas D’utilisation du GPU / à quoi servent les GPU aujourd’hui?

Aujourd’hui, les puces graphiques sont adaptées à une plus grande variété de tâches que prévu à l’origine, en partie parce que les GPU modernes sont plus programmables qu’ils ne l’étaient par le passé.

Voici quelques exemples de cas D’utilisation du GPU:

• Les GPU peuvent accélérer le rendu des applications graphiques 2D et 3D en temps réel.
• Le montage vidéo et la création de contenu vidéo se sont améliorés avec les GPU., Les éditeurs vidéo et les graphistes, par exemple, peuvent utiliser le traitement parallèle d’un GPU pour accélérer le rendu de la vidéo et des graphiques haute définition.
• les graphiques de jeux vidéo sont devenus plus intensifs en informatique, donc afin de suivre les technologies d’affichage-comme la 4K et les taux de rafraîchissement élevés-l’accent a été mis sur les GPU hautes performances.
• Les GPU peuvent accélérer l’apprentissage automatique. Avec la capacité de calcul élevée d’un GPU, les charges de travail telles que la reconnaissance d’image peuvent être améliorées.,
• Les GPU peuvent partager le travail des processeurs et former des réseaux neuronaux d’apprentissage profond pour les applications D’IA. Chaque nœud d’un réseau neuronal effectue des calculs dans le cadre d’un modèle analytique. Les programmeurs ont finalement réalisé qu’ils pouvaient utiliser la puissance des GPU pour augmenter les performances des modèles à travers une matrice d’apprentissage profond-en tirant parti de beaucoup plus de parallélisme que ce qui est possible avec les processeurs conventionnels. Les fournisseurs de GPU en ont pris note et créent maintenant des GPU pour les utilisations de deep learning en particulier.
• Les GPU ont également été utilisés pour exploiter bitcoin et d’autres crypto-monnaies comme Ethereum.,

fonctionnement D’un GPU

un GPU peut être trouvé intégré à un CPU sur le même circuit électronique, sur une carte graphique ou dans la carte mère d’un ordinateur personnel ou d’un serveur. Les GPU et les processeurs sont assez similaires dans la construction. Cependant, les GPU sont spécifiquement conçus pour effectuer des calculs mathématiques et géométriques plus complexes. Ces calculs sont nécessaires pour rendre les graphiques. Les GPU peuvent contenir plus de transistors qu’un processeur.,

Gpu va utiliser le traitement parallèle, où plusieurs processeurs poignée de séparer les parties de la même tâche. Un GPU aura également sa propre RAM (random access memory) pour stocker des données sur les images qu’il traite. Des informations sur chaque pixel sont stockées, y compris son emplacement sur l’écran. Un convertisseur numérique-analogique (DAC) est connecté à la RAM et transformera l’image en un signal analogique afin que le moniteur puisse l’afficher., La RAM Vidéo fonctionnera généralement à des vitesses élevées.

les GPU seront de deux types: intégrés et discrets. Les GPU intégrés sont intégrés aux côtés du GPU, tandis que les GPU discrets peuvent être montés sur une carte de circuit imprimé séparée.

pour les entreprises qui ont besoin d’une forte puissance de calcul, ou qui travaillent avec l’apprentissage automatique ou les visualisations 3D, avoir des GPU fixés dans le cloud peut être une bonne option. Un exemple de ceci est les GPU Cloud de Google, qui offrent des GPU hautes performances sur Google Cloud. Hébergement Gpu dans le nuage bénéficie de libérer des ressources locales, d’économiser du temps, de coût et d’évolutivité., Les utilisateurs peuvent choisir entre une gamme de types de GPU tout en obtenant des performances flexibles en fonction de leurs besoins.

GPU vs CPU

Les GPU sont assez similaires aux architectures CPU. Cependant, les processeurs sont utilisés pour répondre et traiter les instructions de base qui conduisent un ordinateur, tandis que les GPU sont conçus spécifiquement pour rendre rapidement des images et des vidéos haute résolution. Essentiellement, les processeurs sont responsables de l’interprétation de la plupart des commandes d’un ordinateur, tandis que les GPU se concentrent sur le rendu graphique.,

en général, un GPU est conçu pour le parallélisme des données et l’application de la même instruction à plusieurs éléments de données (SIMD). Un processeur est conçu pour le parallélisme des tâches et effectuer différentes opérations.

Les deux sont également différenciés par le nombre de cœurs. Le noyau est essentiellement le processeur dans le processeur. La plupart des cœurs de processeur sont numérotés entre quatre et huit, bien que certains aient jusqu’à 32 cœurs. Chaque noyau peut traiter ses propres tâches, ou de fils., Étant donné que certains processeurs ont une capacité de multithreading-dans laquelle le cœur est divisé virtuellement, permettant à un seul cœur de traiter deux threads-le nombre de threads peut être beaucoup plus élevé que le nombre de cœurs. Cela peut être utile dans le montage vidéo et le transcodage. Les processeurs peuvent exécuter deux threads (instructions indépendantes) par cœur (l’Unité de processeur indépendante). Un cœur GPU peut avoir quatre à 10 threads par cœur.

un GPU est capable de rendre les images plus rapidement qu’un processeur grâce à son architecture de traitement parallèle, qui lui permet d’effectuer plusieurs calculs en même temps., Un seul processeur n’a pas cette capacité, bien que les processeurs multicœurs puissent effectuer des calculs en parallèle en combinant plusieurs processeurs sur la même puce.

un processeur a également une vitesse d’horloge plus élevée, ce qui signifie qu’il peut effectuer un calcul individuel plus rapidement qu’un GPU, il est donc souvent mieux équipé pour gérer les tâches informatiques de base.

GPU VS Carte graphique: similitudes et différences

GPU et carte graphique sont deux termes qui sont parfois utilisés de manière interchangeable. Cependant, il existe des distinctions importantes entre les deux., La principale différence est que le GPU est une unité spécifique dans une carte graphique. Le GPU est ce qui effectue le traitement réel de l’image et des graphiques. Une carte graphique est ce qui présente des images à l’unité d’affichage.

les meilleurs GPU et cartes graphiques du marché

Nvidia, Advanced Micro Devices (AMD), Intel et Arm sont quelques-uns des principaux acteurs du marché des GPU.,

en 2020, certains des meilleurs GPU et cartes graphiques ont inclus:

• GeForce RTX 3080
• GeForce RTX 3090
• GeForce RTX 3060 Ti
• AMD Radeon RX 6800 XT
• AMD Radeon RX 5600 XT

lorsque vous cherchez à acheter une carte graphique, un l’individu doit garder à l’esprit son prix, sa valeur globale, ses performances, ses fonctionnalités, sa quantité de mémoire vidéo et sa disponibilité. Les fonctionnalités dont les consommateurs peuvent se soucier incluent la prise en charge de 4K, 60 fps (images par seconde) ou plus, et le ray tracing., Le prix sera parfois un facteur décisif, car certains GPU peuvent être deux fois plus chers pour seulement 10% à 15% de performances en plus.

histoire des GPU

des puces spécialisées pour le traitement graphique existent depuis l’aube des jeux vidéo dans les années 1970. au début, les capacités graphiques ont été incluses dans une carte vidéo, une carte de circuit dédié discrète, une puce de silicium et le refroidissement nécessaire qui fournit des calculs de traitement graphique, Les cartes modernes avec calculs intégrés pour la configuration du triangle, la transformation et les fonctionnalités d’éclairage pour les applications 3D sont généralement appelées GPU. Autrefois rares, les GPU haut de gamme sont maintenant courants et sont parfois intégrés dans les processeurs eux-mêmes. Les termes alternatifs incluent la carte graphique, l’adaptateur d’affichage, l’adaptateur vidéo, la carte vidéo et presque n’importe quelle combinaison des mots de ces termes.

Les unités de traitement graphique sont arrivées sur les ordinateurs d’entreprise hautes performances à la fin des années 1990, et Nvidia a introduit le premier GPU pour ordinateurs personnels, LE GeForce 256, en 1999.,

Au fil du temps, la puissance de traitement des GPU a fait des puces un choix populaire pour d’autres tâches gourmandes en ressources sans rapport avec les graphiques. Les premières applications comprenaient des calculs et des modélisations scientifiques; au milieu des années 2010, L’informatique GPU alimentait également les logiciels d’apprentissage automatique et D’IA.

en 2012, Nvidia a sorti un GPU virtualisé, qui décharge la puissance de traitement graphique du processeur du serveur dans une infrastructure de bureau virtuel (VDI)., Les performances graphiques ont toujours été l’une des plaintes les plus courantes parmi les utilisateurs de postes de travail et d’applications virtuels, et les GPU virtualisés visent à résoudre ce problème.

Ray tracing et autres tendances récentes

quelques tendances récentes dans la technologie GPU incluent:

• À partir de 2019, les fournisseurs de GPU fournissent généralement la virtualisation GPU, et de nouvelles puces GPU plus puissantes sortent régulièrement.
• en 2019, AMD a présenté sa gamme complète de GPU de la série Radeon RX 5700. La série est basée sur L’architecture GPU Navi D’AMD., Navi est considéré comme une mise à niveau de la technologie Graphics Core Next D’AMD.
• Arm a ciblé le marché de la réalité augmentée mobile (AR) et de la réalité virtuelle (VR) avec ses processeurs Mali-G77.
• Nvidia a continué à pousser ses capacités de Ray tracing dans le cadre de sa plate-forme RTX. Le Ray tracing est considéré comme la prochaine étape dans l’évolution du rendu graphique après la rastérisation., Alors que la rastérisation utilise des objets créés à partir d’un maillage de triangles pour représenter un modèle 3D, le ray tracing fournit un éclairage réaliste en simulant le comportement physique de la lumière en traçant le chemin de la lumière sous forme de pixels dans un plan d’image et en simulant les effets.
• Les GPU de Centre de données de niveau entreprise aident les organisations à exploiter les capacités de traitement parallèle grâce à des mises à niveau matérielles. Cela aide les organisations à accélérer les flux de travail et les applications gourmandes en Graphiques.