GPU发表评论(0)编辑词条

gpu

GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。

 

gpu

GPU是显示卡的“心脏”，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。现在市场上的显卡大多采用NVIDIA和ATI两家公司的图形处理芯片。

NVIDIA公司在1999年发布GeForce256图形处理芯片时首先提出GPU的概念。GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。

GPU能够从硬件上支持T&L（TransformandLighting，多边形转换与光源处理）的显示芯片，因为T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置和处理动态光线效果，也可以称为“几何处理”。一个好的T&L单元，可以提供细致的3D物体和高级的光线特效；只不过大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓的软件T&L)，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。

gpu

GPU在几个主要方面有别于DSP架构。其所有计算均使用浮点算法，而且目前还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号（从中读取图像）和二维地址（图像中的X、Y坐标）。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。

尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。

经GPU存储和操作的数据被形象地比喻成“流”（stream），类似于标准C中的数组。核心（Kernel）是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce6800Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium4执行条件下，许多此类应用的速度提升高达7倍之多。

对GPU计算感兴趣的用户努力将算法映射到图形基本元素。类似Brook这样的高级编程语言的问世使编程新手也能够很容易就掌握GPU的性能优势。访问GPU计算功能的便利性也使得GPU的演变将继续下去，不仅仅作为绘制引擎，而是会成为个人电脑的主要计算引擎。

gpu

处理器识别工具CPU-Z，其知名度和必备度无需赘言。硬件网站TechPowerUp.com现在又提供了一个类似的工具，用于显卡识别的“GPU-Z”。这是Tech Power UpGPU-Z发布的第二个版本为0.0.2，体积仅有334KB。

GPU的竞争远比CPU的竞争来得激烈。通用PC的CPU就只有英特尔和AMD两家大厂。而在GPU方面领先的是N记和A记两家厂商，但能生产中低端产品的还有英特尔、3S等好几家厂商。它们的产品虽然不如前两家，但在很多应用方面也能满足用户的需要，所以N记和A记只有拼命往前跑才不会死掉。CPU厂商没有采用GPU的先进工艺是因为CPU厂商都有自己投资的生产线，不可能一下把原来的生产线都淘汰了上新的生产线，那样做可能连当初投入的资金都难以收回。而GPU厂商由于种种原因，一般都是自己设计由别人代工的，比如找台积电代工。代工厂商为了能接到业务，只有不停升级自己的生产设备，这样才能生存下来。所以造成以上原因。

CPU除了处理游戏的AI，情节等方面的数据外，对于有些图像方面也是由它完成的。当微软每次发布新的DX时，并不是每款GPU都能支持DX新的特性，所以有些图像方面的任务还得由CPU来完成。还有有些特性比如重力特性以前是由CPU来完成，现在有些GPU也能支持了，这些任务就由GPU来完成了。

GPU相当于专用于图像处理的CPU，正因为它专，所以它强，在处理图像时它的工作效率远高于CPU，但是CPU是通用的数据处理器，在处理数值计算时是它的强项，它能完成的任务是GPU无法代替的，所以不能用GPU来代替CPU。

AMD收购了A记显卡芯片的设计厂商，AMD看到以后CPU和GPU只有走一条融合的道路才能地竞争中占得先机。CPU和GPU如何配合默契才能最大地提高工作效率是AMD现在考虑的问题，也是英特尔的问题。

gpu

Intel官方2007年第一次披露了其可编程多核心架构产品“Larrabee”的发布进程，这可以看作是Intel重返独立GPU市场的第一款产品。IntelCTOJustinRattner，Larrabee隶属于其万亿次运算项目，也将是Intel的第一款实用级万亿次运算处理器，其处理能力将“大大超过”一万亿次浮点每秒，定于2010年推出，但有可能在2009年就提前露面。

Intel路线图，2010年也将是32nmGesher架构处理器发布的时间，而采用45nm工艺的Larrabee很可能与之同时现身，业界也能更好地直接对比二者的差异。此外，NVIDIA的下一代图形芯片G92也宣称具备万亿次运算能力，发布时间应该会早于Larrabee。

Intel正在开发一种名为“Ct”的编程语言，Ct基于C和C++语言，可以很好地处理大规模复杂并行运算，将繁重的工作任务很好地分配到各个处理核心上。无论是在编译期间还是在运行期间，Ct代码都为多核心进行了优化，因此能大大简化开发人员为多核心架构编程的难度，使之仿佛是在为一个核心编写程序。

Intel计划在不久后向开源社区发布一个Ct的预览版，而且Intel正在处理有关法律问题，争取实现整个项目的开源。Larrabee在首发时可能会有24和32个核心，2008年升级到48个。

gpu

GPU构架在现代计算中的实力，Intel未来的超多核处理器就是采用了类似GPU的构架。超多核处理器核心面积非常小，约10平方毫米，耗电量仅6.25W，单线程的运算能力也仅仅为处理器的三分之一，但它拥有4个线程，还是16向量的FPU浮点运算单元。未来，若在处理器中集成多个如此的轻量化核心，则可以在同样的核心面积、同样的耗电量下，得到数十数百倍的性能提升。Intel还为此种架构设计了可以动态为各个核心分配的大容量缓存，以及一个神秘的“固定功能单元”。很显然，这样的架构同GPU的多个着色器、管线、流处理单元的设计非常相似。

Carmean还比较了CPU和GPU各自在多个方面的优缺点，在线性代数的计算方面（图表的左边），GPU较CPU领先。而从图片和视频的处理，一直到分类、解析几何等等的用途上，CPU逐渐找到了自己的优势。算法越是无序CPU就有优势，而计算需求更加有序，就是GPU的优势所在。

所以CPU和GPU之间就是谁能够夺取开发者们，如果程序开发者编写更多整齐规律的算法程序，使用GPU就更有利，而CPU厂商则认为越无规律越好。不过两者的差距也在逐渐缩小，最后胜出的可能需要最好的整合才行。

MYSQL	IP	ICP	ALEXA	PR	SEO
CGI	FSO	FTP	POP3	WCM	ECM
FLASH	WEB	GPU	CPA	DIV	CSS
HTML	BBS	.NET	XML	AJAX	MD5

 

 

 

1、http://publish.it168.com/2007/0625/20070625092901.shtml
2、http://tech.sina.com.cn/h/2007-04-12/15501462669.shtml
3、http://article.pchome.net/content-387186.html