jednostka przetwarzania grafiki (GPU) to układ komputerowy, który renderuje grafikę i obrazy poprzez wykonywanie szybkich obliczeń matematycznych. Układy GPU są używane zarówno do komputerów profesjonalnych, jak i osobistych. Tradycyjnie procesory GPU są odpowiedzialne za renderowanie obrazów 2D i 3D, animacji i wideo – mimo że obecnie mają szerszy zakres zastosowań.

w pierwszych dniach obliczeń jednostka centralna (CPU) wykonywała te obliczenia., Ponieważ jednak powstawały aplikacje o większej intensywności graficznej, ich wymagania obciążały procesor i zmniejszały wydajność. Procesory graficzne zostały opracowane jako sposób odciążenia tych zadań z procesorów i poprawy renderowania grafiki 3D. Procesory GPU działają przy użyciu metody zwanej przetwarzaniem równoległym, gdzie wiele procesorów obsługuje oddzielne części tego samego zadania.

Karty graficzne są dobrze znane w grach komputerowych (PC), umożliwiając płynne, wysokiej jakości renderowanie grafiki. Programiści zaczęli również używać GPU jako sposobu na przyspieszenie obciążeń w obszarach takich jak sztuczna inteligencja (AI).,

przypadki użycia GPU/do czego dziś służą GPU?

obecnie układy graficzne są dostosowywane do szerszej gamy zadań niż pierwotnie zaprojektowane, częściowo dlatego, że nowoczesne GPU są bardziej programowalne niż w przeszłości.

niektóre przykłady zastosowań GPU obejmują:

• GPU mogą przyspieszyć renderowanie aplikacji graficznych 2D i 3D w czasie rzeczywistym.
• edytowanie i tworzenie treści wideo poprawiło się dzięki procesorom GPU., Na przykład edytorzy wideo i graficy mogą korzystać z równoległego przetwarzania GPU, aby przyspieszyć renderowanie wideo i Grafiki w wysokiej rozdzielczości.
• grafika gier wideo stała się bardziej intensywna obliczeniowo, więc aby nadążyć za technologiami wyświetlania-takimi jak 4K i wysokie częstotliwości odświeżania-nacisk położono na wysokowydajne GPU.
• procesory graficzne mogą przyspieszyć uczenie maszynowe. Dzięki dużej zdolności obliczeniowej procesora graficznego można poprawić obciążenia, takie jak rozpoznawanie obrazów.,
• GPU mogą udostępniać pracę procesorów i szkolić sieci neuronowe głębokiego uczenia dla aplikacji AI. Każdy węzeł w sieci neuronowej wykonuje obliczenia jako część modelu analitycznego. Programiści w końcu zdali sobie sprawę, że mogą wykorzystać moc GPU do zwiększenia wydajności modeli w matrycy głębokiego uczenia – wykorzystując znacznie więcej równoległości niż jest to możliwe w przypadku konwencjonalnych procesorów. Dostawcy GPU odnotowali to i teraz tworzą układy GPU do zastosowań w głębokim uczeniu.
• GPU są również używane do wydobywania bitcoin i innych kryptowalut, takich jak Ethereum.,

Jak działa GPU

GPU można znaleźć zintegrowany z procesorem na tym samym obwodzie elektronicznym, na karcie graficznej lub w płycie głównej komputera osobistego lub serwera. GPU i procesory są dość podobne w budowie. Jednak układy GPU są specjalnie zaprojektowane do wykonywania bardziej złożonych obliczeń matematycznych i geometrycznych. Obliczenia te są niezbędne do renderowania grafiki. GPU może zawierać więcej tranzystorów niż procesor.,

procesory graficzne będą używać przetwarzania równoległego, gdzie wiele procesorów obsługuje oddzielne części tego samego zadania. Procesor graficzny będzie również miał własną pamięć RAM (random access memory) do przechowywania danych na przetwarzanych obrazach. Informacje o każdym pikselu są przechowywane, w tym jego lokalizacja na wyświetlaczu. Przetwornik cyfrowo-analogowy (DAC) jest podłączony do pamięci RAM i zamienia obraz w sygnał analogowy, aby monitor mógł go wyświetlić., Pamięć RAM Wideo zwykle działa z dużą prędkością.

GPU będą dostępne w dwóch typach: zintegrowanym i dyskretnym. Zintegrowane układy GPU są wbudowane obok układu GPU, a oddzielne układy GPU mogą być zamontowane na oddzielnej płytce drukowanej.

dla firm, które wymagają dużej mocy obliczeniowej lub pracują z uczeniem maszynowym lub wizualizacjami 3D, posiadanie GPU zamocowanych w chmurze może być dobrym rozwiązaniem. Przykładem tego są układy GPU w chmurze Google, które oferują wysokowydajne układy GPU w Google Cloud. Hosting GPU w chmurze przyniesie korzyści w postaci uwolnienia lokalnych zasobów, oszczędności czasu, kosztów i skalowalności., Użytkownicy mogą wybierać między różnymi typami GPU, zyskując elastyczną wydajność w zależności od potrzeb.

GPU vs.CPU

GPU są dość podobne do architektur CPU. Jednak procesory są używane do reagowania i przetwarzania podstawowych instrukcji, które napędzają komputer, podczas gdy GPU są zaprojektowane specjalnie do szybkiego renderowania obrazów i wideo w wysokiej rozdzielczości. Zasadniczo procesory są odpowiedzialne za interpretację większości poleceń komputera, podczas gdy procesory GPU koncentrują się na renderowaniu Grafiki.,

ogólnie rzecz biorąc, procesor graficzny jest przeznaczony do równoległości danych i stosowania tej samej instrukcji do wielu pozycji danych (SIMD). Procesor jest przeznaczony do równoległości zadań i wykonywania różnych operacji.

oba są również zróżnicowane według liczby rdzeni. Rdzeń jest zasadniczo procesorem wewnątrz procesora. Większość rdzeni procesora jest numerowana od czterech do ośmiu, choć niektóre mają do 32 rdzeni. Każdy rdzeń może przetwarzać własne zadania lub wątki., Ponieważ niektóre procesory mają możliwość wielowątkowości-w której rdzeń jest podzielony wirtualnie, umożliwiając pojedynczemu rdzeniowi przetwarzanie dwóch wątków – liczba wątków może być znacznie większa niż liczba rdzeni. Może to być przydatne w edycji wideo i transkodowania. Procesory mogą uruchamiać dwa wątki (niezależne instrukcje) na rdzeń (niezależna jednostka procesora). Rdzeń GPU może mieć od 4 do 10 wątków na rdzeń.

procesor graficzny jest w stanie renderować obrazy szybciej niż procesor ze względu na architekturę przetwarzania równoległego, która pozwala na wykonywanie wielu obliczeń w tym samym czasie., Pojedynczy procesor nie ma takiej możliwości, chociaż procesory wielordzeniowe mogą wykonywać obliczenia równolegle, łącząc więcej niż jeden procesor na tym samym chipie.

procesor ma również wyższą prędkość zegara, co oznacza, że może wykonywać indywidualne obliczenia szybciej niż GPU, więc często jest lepiej wyposażony do obsługi podstawowych zadań obliczeniowych.

GPU a karta graficzna: podobieństwa i różnice

GPU i karta graficzna to dwa terminy, które są czasami używane zamiennie. Istnieją jednak pewne istotne różnice między nimi., Główną różnicą jest to, że GPU jest konkretną jednostką w karcie graficznej. Procesor graficzny wykonuje rzeczywistą obróbkę obrazu i Grafiki. Karta graficzna jest tym, co wyświetla obrazy na wyświetlaczu.

najlepsze GPU i Karty graficzne na rynku

Nvidia, Advanced Micro Devices (AMD), Intel i Arm to jedne z głównych graczy na rynku GPU.,

w 2020 roku niektóre z najlepszych kart graficznych i graficznych obejmowały:

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

gdy chcesz kupić karta graficzna, osoba powinna mieć na uwadze swoją cenę, ogólną wartość, wydajność, funkcje, ilość pamięci wideo i dostępność. Funkcje, o które mogą dbać konsumenci, obejmują obsługę 4K, 60 klatek na sekundę (klatek na sekundę) lub więcej oraz ray tracing., Cena czasami będzie decydującym czynnikiem, ponieważ niektóre układy GPU mogą być dwa razy droższe przy zaledwie 10% -15% większej wydajności.

Historia GPU

wyspecjalizowane układy do przetwarzania grafiki istnieją od zarania gier wideo w 1970 roku. na początku, możliwości graficzne zostały włączone jako część karty graficznej, dyskretny dedykowany układ scalony, układ krzemowy i niezbędne chłodzenie, które zapewnia 2D, 3D, a czasami nawet ogólnego przeznaczenia przetwarzania grafiki (GPGPU) obliczeń dla komputera., Nowoczesne karty ze zintegrowanymi obliczeniami konfiguracji trójkąta, transformacji i funkcji oświetlenia dla aplikacji 3D są zwykle nazywane GPU. Niegdyś rzadkie, układy GPU wyższej klasy są obecnie powszechne i czasami są zintegrowane z procesorami. Alternatywne terminy obejmują kartę graficzną, kartę graficzną, kartę wideo, kartę wideo i prawie każdą kombinację słów w tych warunkach.

jednostki graficzne pojawiły się na wysokowydajnych komputerach korporacyjnych pod koniec lat 90., A Nvidia wprowadziła pierwszy procesor graficzny dla komputerów osobistych, GeForce 256, w 1999 roku.,

z biegiem czasu, moc obliczeniowa procesorów graficznych sprawiła, że chipy stały się popularnym wyborem dla innych zadań wymagających dużych zasobów, niezwiązanych z Grafiką. Wczesne zastosowania obejmowały obliczenia naukowe i modelowanie; w połowie 2010 r. Komputery GPU zasilały również oprogramowanie do uczenia maszynowego i sztucznej inteligencji.

w 2012 roku firma Nvidia wydała zwirtualizowany procesor graficzny, który odciąża procesor graficzny z procesora serwerowego w infrastrukturze wirtualnego pulpitu (VDI)., Wydajność grafiki jest tradycyjnie jednym z najczęstszych skarg wśród użytkowników wirtualnych komputerów stacjonarnych i aplikacji, a zwirtualizowane GPU mają na celu rozwiązanie tego problemu.

Ray tracing i inne najnowsze trendy

kilka najnowszych trendów w technologii GPU obejmuje:

• od 2019 roku dostawcy GPU zazwyczaj zapewniają wirtualizację GPU, a nowe i bardziej wydajne układy GPU pojawiają się regularnie.
• w 2019 roku firma AMD wprowadziła pełną linię procesorów graficznych z serii Radeon RX 5700. Seria oparta jest na architekturze GPU Navi firmy AMD., Navi jest postrzegane jako aktualizacja do technologii Graphics Core Next firmy AMD.
• Arm za pomocą procesorów Mali-G77 skierował na rynek mobilnej rzeczywistości rozszerzonej (AR) i wirtualnej rzeczywistości (VR).
• Nvidia kontynuowała rozszerzanie swoich możliwości ray tracingu w ramach platformy RTX. Ray tracing jest postrzegany jako kolejny krok w ewolucji renderowania grafiki po rasteryzacji., Podczas gdy rasteryzacja wykorzystuje obiekty utworzone z siatki trójkątów do reprezentowania modelu 3D, ray tracing zapewnia realistyczne oświetlenie poprzez symulowanie fizycznego zachowania światła poprzez śledzenie ścieżki światła jako pikseli w płaszczyźnie obrazu i symulowanie efektów.
• klasy korporacyjnej układy GPU centrów danych pomagają organizacjom wykorzystać możliwości przetwarzania równoległego poprzez aktualizacje sprzętu. Pomaga to organizacjom przyspieszyć przepływ pracy i aplikacje intensywnie wykorzystujące grafikę.