GPU与CPU的由来及区别
cpu是什么？cpu,中央处理器(central processing unit)是一台计算机的运算核心和控制核心。cpu、内部存储器和输入/输出设备是电子计算机三大核心部件。其功能主要是解释计算机指令以及处理计算机软件中的数据。
gpu是什么？gpu,图形处理器(graphic processing unit)。一个专门的图形核心处理器。gpu是显示卡的“大脑”，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。
gpu与cpu的区别gpu的由来计算机对图像进行实时渲染， 一般需要经过图形流水线的过程：顶点处理->图元处理->栅格化->片段处理->像素操作, 期间需要大量的计算，比如 640×480的分辨率的屏幕，为了显示游戏画面，大概有30万个像素需要渲染 ，为了让人眼看到画面动起来，其不像电影一样只需要24帧，至少需要60帧， 即每秒我们需要完成1800 万次单个像素的渲染，每个像素都需要经过 图形流水线过程 ，需要耗费大量资源
随着图像处理对于计算机来说越来越重要，cpu越来越不从心了。cpu需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得cpu的内部结构异常复杂。
另一方面，当芯片的集成度增加后，漏电流也随之增大，但时钟频率的提高有限，而且晶体管的线宽很快就会到达物理极限，因此芯片的性能很难靠减小晶体管线宽来提高。所以工程师们开始想办法在设计上做文章：由于图像渲染的流程是固定的，通过硬件来解决这个问题，那就设计一个不需要考虑cpu的流水线停顿、乱序执行、 分支预测、内存管理、io等等的各类问题的芯片 ，这其实就是gpu。
并行计算我们重点再介绍一下cpu并行，即并行计算
并行计算(parallel computing)是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来共同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。
并行计算可分为时间上的并行和空间上的并行
时间上的并行是指流水线技术，采用流水线，可以在同一时间启动两个或两个以上的操作，大大提高计算性能。空间上的并行是指多个处理机并发的执行计算，即通过网络将两个以上的处理机连接起来，达到同时计算同一个任务的不同部分，或者单个处理机无法解决的大型问题。gpu架构优化我们来看看，现代的 gpu 为了图形渲染、深度学习上有相较于cpu更强大的性能，做出来哪些设计上的优化：
由于gpu不需要考虑cpu的流水线停顿、乱序执行、 分支预测等等的各类问题,只需要流式计算的功能，所以内部许多cpu的电路是不需要的，这样就节约了大量空间由于gpu相比cpu电路就简单多了，这样就可以塞入更多的电路，即更多的核，他们都是并行的，能够极大提升性能除了塞更多的核，为了更大程度提升gpu的性能，还采用 simt技术， 可以把多条数据，交给不同的线程去处理。类似于cpu中，simd技术，但是其只能一次性取出了固定 长度的多个数据，放到寄存器里面，用一个指令去执行gpu同样采用超线程技术， 当任务计算遇到停顿的时候，调度一些别的计算任务给当前的 alu，这样就需要保证核心中提供更多的执行上下文给alu算数计算单元使用我们再看看下面的cpu和gpu的架构图，想必会有所得
cpu架构图
cpu架构
gpu架构图
gpu架构图
从架构图我们就能很明显的看出，gpu的构成相对简单，gpu采用 流式并行计算模式 ，每一个计算单元可以单独负责一个像素点，每个像素点不依赖旁边像素点的数据，所以每个计算单元都是独立并行的，不需要控制器额外干涉。cpu的核数一般2,4,8核；但是gpu可以达到上千核拥有数量非常多的计算单元和超长的流水线，计算能力非常强悍，特别适合处理大规模并发计算
我们需要知道gpu无法单独工作，必须由cpu进行控制调用才能工作。cpu可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用gpu进行并行计算。
gpu和cpu的应用场景小结一下
cpu需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得cpu的内部结构异常复杂，采用的是精兵战术，能力强，但数量少，擅长逻辑控制，串行运算。gpu面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境，采用的是人海战术，单个能力弱，但数量众多，擅长的是大规模并发计算。虽然gpu是为了图像处理而生的，随着时代的发展，现在gpu不仅可以在图像处理领域大显身手，它还被用来深度学习、科学计算、密码破解、数值分析，海量数据处理，金融分析等需要大规模并行计算的领域。
参考资料：《深入浅出计算机组成原理》 https://blog.csdn.net/shuiyixin/article/details/82915378
国资委组建科技联合体，攻克芯片等卡脖子技术
无人机有效载荷70公斤 同时还具备着舰能力
短路测试器设计
骨传导蓝牙耳机怎么样、好的骨传导蓝牙耳机推荐
高通失去苹果的芯片订单，第四季度净亏损为5亿美元
GPU与CPU的由来及区别
单片机工程师应该要知道掌握单片机技术的三大难点
Galaxy S6拆解出炉：内部精细自行修复有难度
日本对华为进行拆解调查 曝出了一个真相
与产业伙伴共赢！佰维实力斩获GMIF2022杰出品牌与服务双料大奖
一加5手机什么时候上市？售价预计多少？
无人机告诉你，如何用编程制作“报数游戏”？
解决方案 | 基于全志T507核心板设计智能加油机应用
飞思卡尔推出面向汽车HVAC控制的参考解决方案
家用电线的颜色分别代表着什么线
飞上天的关键 石英挠性加速度计
特斯拉最新消息：特斯拉工厂被曝机器人袭击工程师 特斯拉儿童版cybertruck将进入中国
PCB蚀刻工艺过程中如何把控蚀刻质量
关于生物特征识别技术的发展趋势及对数字处理器分析详解
PCB原理图设计的一些小技巧和常见错误
gpu是什么？gpu,图形处理器(graphic processing unit)。一个专门的图形核心处理器。gpu是显示卡的“大脑”，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。
gpu与cpu的区别gpu的由来计算机对图像进行实时渲染， 一般需要经过图形流水线的过程：顶点处理->图元处理->栅格化->片段处理->像素操作, 期间需要大量的计算，比如 640×480的分辨率的屏幕，为了显示游戏画面，大概有30万个像素需要渲染 ，为了让人眼看到画面动起来，其不像电影一样只需要24帧，至少需要60帧， 即每秒我们需要完成1800 万次单个像素的渲染，每个像素都需要经过 图形流水线过程 ，需要耗费大量资源
随着图像处理对于计算机来说越来越重要，cpu越来越不从心了。cpu需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得cpu的内部结构异常复杂。
另一方面，当芯片的集成度增加后，漏电流也随之增大，但时钟频率的提高有限，而且晶体管的线宽很快就会到达物理极限，因此芯片的性能很难靠减小晶体管线宽来提高。所以工程师们开始想办法在设计上做文章：由于图像渲染的流程是固定的，通过硬件来解决这个问题，那就设计一个不需要考虑cpu的流水线停顿、乱序执行、 分支预测、内存管理、io等等的各类问题的芯片 ，这其实就是gpu。
并行计算我们重点再介绍一下cpu并行，即并行计算
并行计算(parallel computing)是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。它的基本思想是用多个处理器来共同求解同一问题，即将被求解的问题分解成若干个部分，各部分均由一个独立的处理机来并行计算。
并行计算可分为时间上的并行和空间上的并行
时间上的并行是指流水线技术，采用流水线，可以在同一时间启动两个或两个以上的操作，大大提高计算性能。空间上的并行是指多个处理机并发的执行计算，即通过网络将两个以上的处理机连接起来，达到同时计算同一个任务的不同部分，或者单个处理机无法解决的大型问题。gpu架构优化我们来看看，现代的 gpu 为了图形渲染、深度学习上有相较于cpu更强大的性能，做出来哪些设计上的优化：
由于gpu不需要考虑cpu的流水线停顿、乱序执行、 分支预测等等的各类问题,只需要流式计算的功能，所以内部许多cpu的电路是不需要的，这样就节约了大量空间由于gpu相比cpu电路就简单多了，这样就可以塞入更多的电路，即更多的核，他们都是并行的，能够极大提升性能除了塞更多的核，为了更大程度提升gpu的性能，还采用 simt技术， 可以把多条数据，交给不同的线程去处理。类似于cpu中，simd技术，但是其只能一次性取出了固定 长度的多个数据，放到寄存器里面，用一个指令去执行gpu同样采用超线程技术， 当任务计算遇到停顿的时候，调度一些别的计算任务给当前的 alu，这样就需要保证核心中提供更多的执行上下文给alu算数计算单元使用我们再看看下面的cpu和gpu的架构图，想必会有所得
cpu架构图
cpu架构
gpu架构图
gpu架构图
从架构图我们就能很明显的看出，gpu的构成相对简单，gpu采用 流式并行计算模式 ，每一个计算单元可以单独负责一个像素点，每个像素点不依赖旁边像素点的数据，所以每个计算单元都是独立并行的，不需要控制器额外干涉。cpu的核数一般2,4,8核；但是gpu可以达到上千核拥有数量非常多的计算单元和超长的流水线，计算能力非常强悍，特别适合处理大规模并发计算
我们需要知道gpu无法单独工作，必须由cpu进行控制调用才能工作。cpu可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用gpu进行并行计算。
gpu和cpu的应用场景小结一下
cpu需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得cpu的内部结构异常复杂，采用的是精兵战术，能力强，但数量少，擅长逻辑控制，串行运算。gpu面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境，采用的是人海战术，单个能力弱，但数量众多，擅长的是大规模并发计算。虽然gpu是为了图像处理而生的，随着时代的发展，现在gpu不仅可以在图像处理领域大显身手，它还被用来深度学习、科学计算、密码破解、数值分析，海量数据处理，金融分析等需要大规模并行计算的领域。
参考资料：《深入浅出计算机组成原理》 https://blog.csdn.net/shuiyixin/article/details/82915378
国资委组建科技联合体，攻克芯片等卡脖子技术
无人机有效载荷70公斤 同时还具备着舰能力
短路测试器设计
骨传导蓝牙耳机怎么样、好的骨传导蓝牙耳机推荐
高通失去苹果的芯片订单，第四季度净亏损为5亿美元
GPU与CPU的由来及区别
单片机工程师应该要知道掌握单片机技术的三大难点
Galaxy S6拆解出炉：内部精细自行修复有难度
日本对华为进行拆解调查 曝出了一个真相
与产业伙伴共赢！佰维实力斩获GMIF2022杰出品牌与服务双料大奖
一加5手机什么时候上市？售价预计多少？
无人机告诉你，如何用编程制作“报数游戏”？
解决方案 | 基于全志T507核心板设计智能加油机应用
飞思卡尔推出面向汽车HVAC控制的参考解决方案
家用电线的颜色分别代表着什么线
飞上天的关键 石英挠性加速度计
特斯拉最新消息：特斯拉工厂被曝机器人袭击工程师 特斯拉儿童版cybertruck将进入中国
PCB蚀刻工艺过程中如何把控蚀刻质量
关于生物特征识别技术的发展趋势及对数字处理器分析详解
PCB原理图设计的一些小技巧和常见错误