Šta je GPU i kako radi. Grafički procesori u rješavanju savremenih IT problema

Jedinica za grafičku obradu (GPU) je odličan primjer kako se tehnologija dizajnirana za zadatke obrade grafike proširila na nepovezano područje računarstva visokih performansi. Današnji GPU-ovi su u srcu mnogih najsloženijih projekata u mašinskom učenju i analizi podataka. U našem preglednom članku ćemo istražiti kako kupci Selectel-a koriste GPU hardver i razmišljati o budućnosti nauke o podacima i računarskih uređaja sa profesorima Yandex škole za analizu podataka.

GPU-ovi su se dosta promijenili u posljednjih deset godina. Pored ogromnog povećanja performansi, došlo je i do podjele uređaja prema vrsti upotrebe. Dakle, video kartice za kućne sisteme igara i instalacije virtuelne stvarnosti raspoređene su u posebnom pravcu. Pojavljuju se moćni visoko specijalizovani uređaji: jedan od vodećih akceleratora za serverske sisteme je NVIDIA Tesla P100, dizajniran posebno za industrijsku upotrebu u data centrima. Pored GPU-a, aktivno se provode istraživanja na polju stvaranja novog tipa procesora koji oponaša rad mozga. Primjer je Kirin 970 platforma s jednim čipom sa vlastitim neuromorfnim procesorom za zadatke vezane za neuronske mreže i prepoznavanje obrazaca.

Ova situacija nas navodi na razmišljanje o sljedećim pitanjima:

• Zašto je oblast analize podataka i mašinskog učenja postala toliko popularna?
• Kako su GPU-ovi postali dominantni na tržištu hardvera sa intenzivnim podacima?
• Koja istraživanja u oblasti analize podataka će biti najperspektivnija u bliskoj budućnosti?

Pokušajmo se pozabaviti ovim problemima redom, počevši od prvih jednostavnih video procesora pa do modernih uređaja visokih performansi.

Era GPU-a

Prvo, prisjetimo se šta je GPU. Jedinica za grafičku obradu je jedinica za grafičku obradu koja se široko koristi u desktop i serverskim sistemima. Posebnost ovog uređaja je njegov fokus na masovno paralelno računanje. Za razliku od grafičkih procesora, arhitektura drugog računarskog modula, CPU (Central Processor Unit), dizajnirana je za sekvencijalnu obradu podataka. Ako se broj jezgara u konvencionalnom CPU-u mjeri u desetinama, onda se u GPU-u broje u hiljadama, što nameće ograničenja na tipove instrukcija koje se izvršavaju, ali osigurava visoke računske performanse u zadacima koji uključuju paralelizam.

Prvi koraci

Razvoj video procesora u ranim fazama bio je usko povezan sa rastućom potrebom za posebnim računarskim uređajem za obradu dvodimenzionalne i trodimenzionalne grafike. Prije pojave zasebnih krugova video kontrolera 70-ih godina, izlaz slike se odvijao korištenjem diskretne logike, što je utjecalo na povećanu potrošnju energije i velike veličine štampanih ploča. Specijalizirani mikro krugovi omogućili su izdvajanje razvoja uređaja dizajniranih za rad s grafikom u posebnom smjeru.

Sljedeći revolucionarni događaj bila je pojava nove klase složenijih i višenamjenskih uređaja - video procesora. 1996. 3dfx Interactive je izdao Voodoo Graphics čipset, koji je brzo preuzeo 85% namjenskog video tržišta i postao lider u 3D grafici u to vrijeme. Nakon niza neuspješnih odluka menadžmenta kompanije, među kojima je bila i kupovina proizvođača video kartica STB, 3dfx je izgubio vodstvo od NVIDIA-e i ATI-ja (kasnije AMD), a 2002. godine proglasio bankrot.

Općenito GPU računarstvo

Godine 2006, NVIDIA je najavila izdavanje linije proizvoda GeForce 8 serije, koja je lansirala novu klasu uređaja dizajniranih za računarstvo sa opštim grafičkim procesorima (GPGPU). Tokom razvoja, NVIDIA je shvatila da je više jezgara koje rade na nižoj frekvenciji efikasnije za paralelna radna opterećenja od manjeg broja bržih jezgara. Video procesori nove generacije pružaju podršku za paralelno računarstvo ne samo za obradu video tokova, već i za probleme vezane za mašinsko učenje, linearnu algebru, statistiku i druge naučne ili komercijalne zadatke.

Priznati lider

Razlike u početnoj dodjeli zadataka CPU-u i GPU-u dovele su do značajnih razlika u arhitekturi uređaja – visoke frekvencije u odnosu na višejezgrene. Za grafičke procesore, ovo je postavilo temelje za računarski potencijal koji se sada u potpunosti ostvaruje. Video procesori sa impresivnim brojem slabijih računarskih jezgara rade odličan posao sa paralelnim računarstvom. Centralni procesor, istorijski dizajniran za rad sa sekvencijalnim zadacima, ostaje najbolji u svojoj oblasti.

Na primjer, uporedimo vrijednosti performansi centralnog i grafičkog procesora pri obavljanju uobičajenog zadatka u neuronskim mrežama - množenju matrica visokog reda. Odaberimo sljedeće uređaje za testiranje:

• CPU. Intel Xeon E5-2680 v4 - 28 niti sa HyperThreading, 2,4 GHz;
• GPU. NVIDIA GTX 1080 - 2560 CUDA jezgri, 1607 Mhz, 8GB GDDR5X.

Upotrijebimo primjer množenja matrice na CPU-u i GPU-u u Jupyter Notebook-u:

U kodu iznad, mjerimo vrijeme potrebno za izračunavanje matrica istog reda na CPU ili GPU („Vrijeme izvršenja“). Podaci se mogu prikazati u obliku grafikona, na kojem horizontalna os predstavlja redosled pomnoženih matrica, a vertikalna prikazuje vreme izvršenja u sekundama:

Grafička linija označena narandžastom bojom pokazuje vrijeme potrebno za kreiranje podataka u konvencionalnoj RAM memoriji, prijenos u GPU memoriju, a zatim izvođenje proračuna. Zelena linija pokazuje vrijeme potrebno za izračunavanje podataka koji su već generirani u memoriji video kartice (bez prijenosa iz RAM-a). Plava predstavlja vrijeme odbrojavanja na CPU-u. Matrice reda manje od 1000 elemenata množe se na GPU-u i CPU-u gotovo u isto vrijeme. Razlika u performansama se dobro pokazuje kod matrica većih od 2000 do 2000, kada vrijeme računanja na CPU-u skoči na 1 sekundu, dok GPU ostaje blizu nule.

Složeniji i praktičniji zadaci se efikasnije rješavaju na uređaju s GPU-ima nego bez njih. Budući da su problemi koje naši kupci rješavaju na GPU hardveru vrlo raznoliki, odlučili smo saznati koji su najčešći slučajevi korištenja.

Ko u Selectelu dobro živi sa GPU-om?

Prva opcija koja odmah pada na pamet i ispostavlja se kao tačna pretpostavka je rudarenje, ali je zanimljivo primijetiti da ga neki koriste kao pomoćni način za punjenje opreme do "maksimuma". U slučaju iznajmljivanja namenskog servera sa video karticama, vreme oslobođeno od opterećenja koristi se za proizvodnju kriptovaluta za koje nisu potrebne specijalizovane instalacije (farme) za njihovo dobijanje.

Donekle već klasični, zadaci vezani za obradu i renderiranje grafike uvijek nalaze svoje mjesto na Selectel serverima sa grafičkim akceleratorima. Upotreba opreme visokih performansi za takve zadatke omogućava vam da dobijete efikasnije rješenje od organiziranja namjenskih radnih stanica s video karticama.

Tokom razgovora sa našim klijentima, upoznali smo i predstavnike Yandex škole za analizu podataka, koja koristi moć Selectela za organizovanje okruženja za testiranje. Odlučili smo da saznamo više o tome šta studenti i nastavnici rade, koja su područja mašinskog učenja sada popularna i kakva je budućnost za industriju nakon što se mladi stručnjaci pridruže vodećim organizacijama ili pokrenu sopstvene startape.

nauka o podacima

Možda među našim čitaocima ima onih koji ne bi čuli izraz "neuronske mreže" ili "mašinsko učenje". Izbacivanjem marketinških varijacija na ove riječi, zaključak je nova i obećavajuća znanost o podacima.

Savremeni pristup radu s podacima uključuje nekoliko glavnih područja:

• Veliki podaci (Big Data). Glavni problem u ovoj oblasti je ogromna količina informacija koje se ne mogu obraditi na jednom serveru. Sa stanovišta infrastrukturne podrške, potrebno je riješiti probleme kreiranja klaster sistema, skalabilnosti, tolerancije grešaka i distribuiranog skladištenja podataka;
• Zadaci koji zahtijevaju velike resurse (mašinsko učenje, duboko učenje i drugi). U ovom slučaju postavlja se pitanje korištenja računarstva visokih performansi koje zahtijeva veliku količinu RAM-a i procesorskih resursa. U takvim zadacima aktivno se koriste sistemi sa grafičkim akceleratorima.

Granica između ova dva pravca se postepeno briše: glavni alati za rad s velikim podacima (Hadoop, Spark) uvode podršku za računanje na GPU-u, a zadaci mašinskog učenja pokrivaju nova područja i zahtijevaju veće količine podataka. Nastavnici i učenici Škole za analizu podataka pomoći će nam da bolje razumijemo.

Teško je precijeniti važnost kompetentnog rada sa podacima i odgovarajuće implementacije naprednih analitičkih alata. Ne radi se čak ni o velikim podacima, njihovim „jezerima“ ili „rijekama“, već o intelektualnoj interakciji s informacijama. Ono što se sada dešava je jedinstvena situacija: možemo prikupiti širok spektar informacija i koristiti napredne alate i usluge za dubinsku analizu. Kompanije implementiraju takve tehnologije ne samo da bi dobile naprednu analitiku, već i da bi stvorile jedinstven proizvod u bilo kojoj industriji. To je posljednja tačka koja u velikoj mjeri oblikuje i stimulira rast industrije analize podataka.

Novi pravac

Svugdje smo okruženi informacijama: od dnevnika internetskih kompanija i bankarskih transakcija do dokaza u eksperimentima na Velikom hadronskom sudaraču. Mogućnost rada sa ovim podacima može donijeti milionske zarade i dati odgovore na fundamentalna pitanja o strukturi svemira. Stoga je analiza podataka postala posebna oblast istraživanja u poslovnoj i naučnoj zajednici.

Škola za analizu podataka obučava najbolje specijalizovane stručnjake i naučnike, koji će u budućnosti postati glavni izvor naučnog i industrijskog razvoja u ovoj oblasti. Razvoj industrije utiče na nas kao dobavljača infrastrukture jer sve više kupaca traži konfiguracije servera za zadatke analize podataka.

Specifičnosti zadataka koji stoje pred našim kupcima određuju koju opremu trebamo ponuditi kupcima i u kom smjeru trebamo razvijati našu liniju proizvoda. Zajedno sa Stanislavom Fedotovom i Olegom Ivčenkom, intervjuisali smo učenike i nastavnike Škole za analizu podataka i saznali koje tehnologije koriste za rešavanje praktičnih problema.

Tehnologije analize podataka

Tokom obuke polaznici iz osnova (osnovna viša matematika, algoritmi i programiranje) dostižu najnaprednije oblasti mašinskog učenja. Prikupili smo informacije o onima koji koriste GPU servere:

• Deep Learning;
• Učenje s pojačanjem;
• kompjuterski vid;
• Automatska obrada teksta.

Studenti koriste specijalizovane alate u svojim studijskim zadacima i istraživanju. Neke biblioteke su dizajnirane da dovedu podatke u željeni oblik, druge su dizajnirane da rade sa određenim tipom informacija, kao što su tekst ili slike. Duboko učenje je jedno od najsloženijih oblasti u analizi podataka koje aktivno koristi neuronske mreže. Odlučili smo da saznamo koje okvire koriste nastavnici i učenici za rad sa neuronskim mrežama.

Predstavljeni alati imaju različitu podršku kreatora, ali se i dalje aktivno koriste u obrazovne i radne svrhe. Mnogi od njih zahtijevaju hardver visokih performansi za obradu zadataka u odgovarajućem vremenu.

Dalji razvoj i projekti

Kao i svaka nauka, smjer analize podataka će se promijeniti. Iskustvo koje studenti dobijaju danas će nesumnjivo činiti osnovu budućeg razvoja. Stoga je posebno vrijedno napomenuti visoku praktičnu orijentaciju programa - neki studenti, tokom ili nakon studija, počinju da se usavršavaju na Yandexu i primjenjuju svoje znanje već na stvarnim uslugama i uslugama (pretraga, kompjuterski vid, prepoznavanje govora i drugi). ).

O budućnosti analize podataka razgovarali smo sa nastavnicima Škole za analizu podataka, koji su sa nama podijelili svoju viziju razvoja nauke o podacima.

Prema Vlad Shakhuro, nastavnik predmeta „Analiza slike i videa“, najzanimljiviji zadaci kompjuterskog vida su obezbeđenje na prepunim mestima, vožnja bespilotnog vozila i kreiranje aplikacije korišćenjem proširene stvarnosti. Za rješavanje ovih problema potrebno je kvalitetno analizirati video podatke i razviti, prije svega, algoritme za detekciju i praćenje objekata, prepoznavanje osobe po licu i trodimenzionalnu rekonstrukciju posmatranog prizora. Učitelju Victor Lempitsky, voditelj kursa Deep Learning, posebno izdvaja autoenkodere u svom pravcu, kao i generativne i adversarijske mreže.

Jedan od mentora Škole za analizu podataka dijeli svoje mišljenje o širenju i početku masovne upotrebe mašinskog učenja:

„Mašinsko učenje je od domena nekoliko opsesivnih istraživača postalo samo još jedan alat za prosječnog programera. Ranije (na primjer, 2012.), ljudi su pisali kod niskog nivoa za obuku konvolucionih mreža na paru video kartica. Sada svako može za nekoliko sati:

• preuzmite težine već obučene neuronske mreže (na primjer, u kerasu);
• iskoristite ga da napravite rješenje za svoj zadatak (fino podešavanje, učenje nulte tačke);
• ugradite ga u svoju web stranicu ili mobilnu aplikaciju (tensorflow / caffe 2).

Mnoge velike kompanije i startupovi su već imali koristi od takve strategije (na primjer, Prisma), ali ima još zadataka koje treba otkriti i riješiti. I možda će cijela ova priča o mašinskom/dubokom učenju jednog dana postati uobičajena kao što su sada python ili excel.”

Niko danas ne može precizno predvidjeti tehnologiju budućnosti, ali kada postoji određeni vektor kretanja, možete razumjeti šta sada treba proučavati. A za to u savremenom svijetu postoji mnogo mogućnosti.

Mogućnosti za početnike

Izučavanje analize podataka ograničeno je visokim zahtjevima za studente: opsežnim znanjem iz oblasti matematike i algoritama, sposobnošću programiranja. Zaista ozbiljni zadaci mašinskog učenja već zahtevaju specijalizovanu opremu. A za one koji žele da nauče više o teorijskoj komponenti nauke o podacima, Škola za analizu podataka je zajedno sa Višom ekonomskom školom pokrenula onlajn kurs "".

Umjesto zaključka

Rast tržišta GPU-a podržava i sve veće interesovanje za mogućnosti ovakvih uređaja. GPU se koristi u kućnim igrama, renderingu i zadacima obrade videa i tamo gdje je potrebno općenito računarstvo visokih performansi. Praktična primjena zadataka rudarenja podataka će prodirati sve dublje i dublje u naš svakodnevni život. A izvršavanje takvih programa najefikasnije se izvodi uz pomoć GPU-a.

Zahvaljujemo se našim klijentima, kao i nastavnicima i studentima Škole za analizu podataka na zajedničkoj pripremi materijala i pozivamo naše čitaoce da ih bolje upoznaju.

A za one iskusne i iskusne u oblasti mašinskog učenja, analize podataka i ne samo, nudimo vam da pogledate Selectel za iznajmljivanje serverske opreme sa grafičkim akceleratorima: od jednostavnih GTX 1080 do Tesla P100 i K80 za najzahtjevnije zadatke.

Na šta prvo gledamo kada biramo pametni telefon? Ako izdvojimo trošak na trenutak, prva stvar koju biramo je, naravno, veličina ekrana. Zatim nas zanima kamera, količina RAM-a, broj jezgara i frekvencija procesora. I ovdje je sve jednostavno: što više, to bolje, odnosno što manje, to je gore. Međutim, moderni uređaji također koriste grafički procesor, također poznat kao GPU. Šta je to, kako radi i zašto je važno znati o tome, opisat ćemo u nastavku.

GPU (Graphics Processing Unit) je procesor dizajniran isključivo za operacije obrade grafike i izračunavanja s pokretnim zarezom. Prvenstveno postoji da bi olakšao rad glavnog procesora kada su u pitanju igrice koje zahtijevaju velike resurse ili aplikacije sa 3D grafikom. Kada igrate igru, GPU je odgovoran za kreiranje grafike, boja i tekstura, dok CPU može upravljati umjetnom inteligencijom ili mehanikom igre.

Arhitektura GPU-a se ne razlikuje mnogo od CPU-a, ali je više optimizovana za efikasan rad grafike. Ako prisilite GPU da radi bilo koje druge proračune, to će se pokazati s najgore strane.

Video kartice koje su povezane odvojeno i rade na velikim snagama postoje samo u laptopima i desktop računarima. Ako govorimo o Android uređajima, onda govorimo o integriranoj grafici i onome što zovemo SoC (System-on-a-Chip). Na primjer, procesor ima integrisan Adreno 430 GPU. Memorija koju koristi za svoj rad je sistemska memorija, dok je video karticama u desktop računarima dodijeljena memorija koja je dostupna samo njima. Istina, postoje hibridni čipovi.

Dok procesor sa više jezgara radi pri velikim brzinama, GPU ima mnogo procesorskih jezgara koje rade na malim brzinama i samo računaju vrhove i piksele. Obrada vrhova se uglavnom vrti oko koordinatnog sistema. GPU se bavi geometrijskim zadacima tako što stvara trodimenzionalni prostor na ekranu i dozvoljava objektima da se kreću po njemu.

Obrada piksela je složeniji proces koji zahtijeva mnogo računarske snage. U ovom trenutku, GPU prekriva različite slojeve, primjenjuje efekte, čini sve da stvori složene teksture i realističnu grafiku. Nakon što su oba procesa obrađena, rezultat se prenosi na ekran vašeg pametnog telefona ili tableta. Sve ovo se dešava milione puta u sekundi dok igrate igru.


Naravno, ova priča o radu GPU-a je vrlo površna, ali je dovoljna da stvorite ispravnu opštu predstavu i budete u stanju da nastavite razgovor sa drugovima ili prodavcem elektronike, ili shvatite zašto se vaš uređaj toliko zagrejao tokom igra. Kasnije ćemo svakako razgovarati o prednostima određenih GPU-a u radu sa određenim igrama i zadacima.

Prema AndroidPit-u

U ovom članku možete dobiti objašnjenje da je GPU u računaru grafički procesor, ili, kako je mnogima zgodno reći, video kartica. Može biti ugrađena ili diskretna. Ovisno o tome, možete odabrati potrebno hlađenje i pristojnu ishranu.

Integrisani GPU

Integrirana video kartica nalazi se na matičnoj ploči ili u procesoru. Samo zato što je GPU u računaru ne znači da morate da pokrećete zahtevne igre ili filmove visokog kvaliteta. Činjenica je da su video kartice ovog tipa dizajnirane za rad s jednostavnim aplikacijama koje ne zahtijevaju velike resurse. Osim toga, ne troše veliku količinu energije.

Što se tiče količine memorije, integrisani GPU u računaru koristi količinu i frekvenciju RAM-a za rad.

Većina korisnika koristi kartice ovog tipa samo za instaliranje drajvera na diskretnu grafičku karticu.

Diskretni GPU

Diskretni tip GPU-a u računaru - šta je to? Za razliku od integrisanog grafičkog procesora, diskretne grafičke kartice su poseban modul koji se sastoji od samog procesora, nekoliko hladnjaka, hladnjaka za hlađenje, memorijskih čipova, kondenzatora i, u slučaju povećane snage, vodenog hlađenja.

Takve video kartice mogu biti i igračke i kancelarijske. Na primjer, kod proizvođača Invidia razlikuju se po izlaznim serijama. Ovdje je GT630 kancelarijski model, a GTX660 se naziva gaming model. Prvi broj označava generaciju GPU-a, a sljedeća dva označavaju seriju. Numeracija do 50 serija označava da je oprema uredska, a od 50 do 90 su kartice za igru. Štoviše, što je veći broj, to je produktivniji čip koji se koristi u video kartici. Prefiks u obliku slova "X" znači prezentaciju za kategoriju igara, budući da takve video kartice imaju potencijal za overklok. Oni također zahtijevaju zasebno dodatno napajanje, jer njihovi resursi troše mnogo energije. Sada postoji opšta ideja da je to GPU u računaru.

Što se tiče Radeona, njihov sistem identifikacije je vrlo jednostavan. U četverocifrenom sistemu, prva cifra je generacija, druga je serija, a posljednje dvije cifre označavaju sekvencu modela. Oni su ti koji su odgovorni za razliku između službenih i diskretnih predstavnika.

Normalna temperatura GPU-a u računaru

Za normalan rad, procesor se mora održavati na optimalnoj temperaturi, a za svaku komponentu je različita. Što se tiče GPU-a, njegova radna temperatura obično ne prelazi 65 stepeni. Čip može izdržati zagrijavanje do 90 stepeni, ali bolje je to ne dozvoliti, inače se komponente video čipa uništavaju.

Za normalnu temperaturu odgovorno je nekoliko komponenti video kartice - to su termalna pasta, hladnjaci, radijatori i sistem napajanja.

Termo pastu je potrebno redovno mijenjati jer se vremenom stvrdne i gubi funkciju hlađenja. Njegova zamjena ne traje puno vremena - samo uklonite ostatke stare paste i pažljivo nanesite novu.

Drugi način da snizite temperaturu GPU-a u računaru je odabir pravih hladnjaka. Svaka gaming video kartica opremljena je hladnjacima od jednog do tri komada. Što više ventilatora, to će se radijatori bolje hladiti. Što se kancelarijskih predstavnika tiče, proizvođači na ploče stavljaju uglavnom samo hladnjake ili jedan hladnjak.

Snaga za GPU

Integrirani GPU-i ne zahtijevaju dodatnu snagu, ali diskretni GPU-i zahtijevaju snažnije napajanje. Kancelarijske grafičke kartice će normalno funkcionisati sa jedinicom od 450 vati. Uklonjivi grafički akceleratori će zahtijevati napajanje od više od 500 vati. Pravilnim odabirom možete u potpunosti otključati potencijal video kartice. Štaviše, sistem hlađenja diskretne grafičke kartice će bolje funkcionisati sa dovoljno električne energije.

Ishrana igra važnu ulogu. Bez procesora za ubrzanje grafike nemoguće je prikazati sliku na ekranu. Da vidite kako se video kartica prikazuje u sistemu, samo idite na kontrolnu tablu i otvorite karticu "Display Adapters". Ako se prikaže poruka "Uređaj nije prepoznat", tada morate instalirati drajvere za svoj grafički procesor. Nakon instaliranja drajvera, model kartice će biti ispravno prikazan u sistemu.

CPU i GPU su veoma slični. Oba su napravljena od miliona tranzistora, sposobnih da izvrše hiljade operacija u sekundi, pogodne za . Ali koja je razlika između CPU-a i GPU-a?

Šta je CPU?

CPU (Central Processing Unit) je centralna procesorska jedinica, drugim riječima, “mozak” računara. Ovo je kolekcija od nekoliko miliona tranzistora koji mogu izvesti složene proračune. Standardni procesor ima jedno do četiri jezgra sa taktom od 1 do 4 GHz, iako nedavno.

CPU je prilično moćan uređaj koji može izvršiti bilo koji zadatak na računalu. Broj jezgara i radni takt CPU-a je jedan od ključnih

Šta je GPU?

GPU (Graphics Processing Unit) je specijalizovan tip mikroprocesora koji je optimizovan za grafički prikaz i specifične zadatke. Brzina GPU-a je znatno niža od CPU-a, ali obično ima više jezgri.

Koja je razlika između CPU-a i GPU-a?

GPU može obaviti samo dio mnogih CPU operacija, ali to radi nevjerovatnom brzinom. GPU koristi stotine jezgara u realnom vremenu da prikaže hiljade piksela na monitoru. Ovo omogućava da se složena grafika igre prikazuje glatko.

Međutim, CPU-ovi su fleksibilniji od GPU-a. Centralne procesorske jedinice imaju veći skup instrukcija, tako da mogu obavljati širi spektar zadataka. CPU rade na višim maksimalnim frekvencijama i mogu kontrolirati ulaz i izlaz svih komponenata računala. CPU-ovi su sposobni da rade sa virtuelnom memorijom, koja je potrebna modernim operativnim sistemima, dok GPU-ovi nisu.

Nešto o GPU računarstvu

Iako su GPU najbolji za video renderovanje, oni su tehnički sposobni da urade više. Obrada grafičkih podataka je samo jedna vrsta zadatka koji se ponavlja i vrlo paralelan. Drugi zadaci kao što su rudarenje bitcoina ili razbijanje lozinki oslanjaju se na iste vrste velikih skupova podataka i matematičkih operacija. Zbog toga mnogi ljudi koriste GPU u "negrafičke" svrhe.

Ishod

CPU i GPU-ovi imaju slične svrhe, ali su optimizovani za različite računarske zadatke. Ovo je razlika između CPU-a i GPU-a. Da bi radio pravilno i efikasno, računar mora imati oba tipa mikroprocesora.

Zdravo prijatelji.

Da li volite da igrate realistične igrice na svom računaru? Ili gledati film u kvaliteti koji jasno pokazuje svaku sitnicu? Dakle, morate zamisliti šta je GPU u računaru. Znate li išta o njemu? Moj članak će vam pomoći da se riješite ovog nesporazuma ;-).

GPU nije grafička kartica

Mnogima nepoznata kombinacija slova podrazumijeva pojam "jedinice za grafičku obradu", što na našem jeziku znači grafički procesor. On je taj koji je odgovoran za reprodukciju slike na vašem hardveru, a što su njene karakteristike bolje, to će slika biti bolja.

Uvijek ste mislili da ove funkcije obavlja? Naravno, u pravu ste, ali to je složen uređaj, a njegova glavna komponenta je samo grafički procesor. Takođe može postojati autonomno od vidyuhi. Pričaćemo o ovome malo kasnije.

GPU: ne treba ga brkati sa CPU-om

Uprkos sličnosti skraćenica, nemojte brkati predmet našeg razgovora sa (centralna procesorska jedinica). Da, slični su i po imenu i po funkciji. Potonji također može reproducirati grafiku, ali je u tom pitanju slabiji. Međutim, to su potpuno različiti uređaji.

Razlikuju se po arhitekturi. CPU je višenamjenski uređaj koji je odgovoran za sve procese u računaru. Da bi to učinio, potrebno mu je nekoliko, uz pomoć kojih on uzastopno obrađuje jedan zadatak za drugim.

Zauzvrat, GPU je originalno dizajniran kao specijalizirani uređaj dizajniran za izvođenje grafičkog prikaza, obradu tekstura i složenih slika velikom brzinom. Za takve svrhe, bio je opremljen višenitnom strukturom i mnogim jezgrama kako bi mogao raditi s velikom količinom informacija istovremeno, a ne sekvencijalno.

S obzirom na ovu prednost, lideri među proizvođačima video adaptera objavili su modele u kojima grafički procesori mogu postati napredna zamjena za centralni. Brend nVidia takav uređaj naziva GTX 10xx, dok ga njegov glavni konkurent AMD naziva RX.

Vrste grafičkih procesora

Kako biste se mogli kretati tržištem GPU-a, predlažem da se upoznate sa vrstama ovog uređaja:

• Diskretno. Uključeno u video adapter. Povezuje se na matičnu ploču preko namenskog konektora (najčešće PCIe ili AGP). Ima svoju RAM memoriju. Jeste li zahtjevni igrači ili radite sa složenim grafičkim uređivačima? Uzmite diskretni model.

• Integrisan (IGP). Nekada je bio zalemljen u matičnu ploču, sada je ugrađen u centralni procesor. U početku nije bio pogodan za igranje realističnih igara i teških grafičkih programa, ali novi modeli se nose s tim zadacima. Ipak, imajte na umu da su takvi čipovi nešto sporiji, jer nemaju ličnu RAM memoriju i pristupaju CPU memoriji.

• Hibridna grafička obrada. Ovo je 2 u 1, odnosno kada su na računaru instalirani i prvi i drugi tip GPU-a. Ovisno o obavljenim zadacima, u rad se uključuje jedno ili drugo. Međutim, postoje laptopi u kojima 2 vrste uređaja mogu raditi odjednom.
• eksterni tip. Kao što možete pretpostaviti, ovo je grafički procesor koji se nalazi izvan računara. Najčešće, ovaj model biraju vlasnici laptopa kojima je teško ugurati diskretnu video karticu u svoj hardver, ali zaista žele dobiti pristojnu grafiku.

Kako odabrati?

Prilikom odabira video adaptera za sebe obratite pažnju na sljedeće karakteristike:

• Frekvencija takta. Navedeno u megahercima. Što je broj veći, uređaj može obraditi više informacija u sekundi. Istina, ne samo da to utiče na njegove performanse. Arhitektura je takođe važna.
• Broj računskih blokova. Dizajnirani su za obradu zadataka - shadera odgovornih za vertex, geometrijske, pikselne i univerzalne proračune.

• Brzina punjenja (fillrate). Ovaj parametar može reći koliko brzo GPU može nacrtati sliku. Podijeljen je u 2 tipa: piksel (brzina popunjavanja piksela) i tekstura (texel rate). Na prvu utiče broj ROP blokova u strukturi procesora, a na drugu - teksturne jedinice (TMU).

Obično u najnovijim GPU modelima ima manje prvih blokova. Oni zapisuju piksele koje je izračunao video adapter u bafere i miješaju ih, što se pametno naziva mešanjem. TMU izvode uzorkovanje i filtriranje tekstura i drugih informacija potrebnih za poravnanje scene i opće proračune.

geometrijski blokovi

Ranije niko nije obraćao pažnju na njih, jer su virtuelne igre imale jednostavnu geometriju. Ovaj parametar se počeo uzimati u obzir nakon pojave teselacije u DirectX 11. Ne razumiješ na šta mislim? Idemo redom.

To je okruženje (skup alata) za pisanje igrica. Da vam pomognem da se snađete u temi, reći ću da je najnovija verzija proizvoda 12. koja je objavljena 2015. godine.

Teselacija je podjela aviona na dijelove kako bi se ispunili novim informacijama, što povećava realističnost igre.

Stoga, ako želite strmoglavo uroniti u atmosferu Metro 2033, Crysis 2, HAWX 2, itd., uzmite u obzir broj geometrijskih blokova pri odabiru GPU-a.

Memorija

Jeste li spremni za novu video karticu? Dakle, morate uzeti u obzir još nekoliko karakteristika RAM-a:

• Volume. Važnost RAM-a je donekle precijenjena, jer ne samo njen kapacitet, već i tip i svojstva utiču na performanse kartice.
• Širina gume. Ovo je značajniji parametar. Što je šire, to više informacija memorija može poslati čipu i obrnuto u određenom vremenu. Za igranje igrica potrebno je najmanje 128 bita.
• Frekvencija. Takođe određuje propusnost RAM-a. Ali imajte na umu da memorija sa 256-bitnom magistralom i frekvencijom od 800 (3200) MHz radi efikasnije nego sa 128 bita na 1000 (4000) MHz.
• Tip. Neću vas opterećivati ​​nepotrebnim informacijama, već ću navesti samo tipove koji su optimalni za danas - to su GDDR 3 i 5 generacije.

Nekoliko riječi o hlađenju

Razmišljate o instaliranju moćnog čipa? Odmah vodite računa o dodatnom hlađenju u vidu radijatora, hladnjaka, a ako ćete redovno cijediti sav sok iz uređaja, možete razmišljati o tečnom sistemu.

Općenito, pazite na temperaturu vidyuhi. Program vam može pomoći u tome. GPU-Z itd., koji će vam, osim ovog parametra, reći sve o uređaju.

Naravno, moderne video kartice su opremljene zaštitnim sistemom koji kao da sprečava pregrijavanje. Različiti modeli imaju različite temperaturne granice. U prosjeku je 105 ° C, nakon čega se adapter sam isključuje. Ali bolje je uštedjeti skupi uređaj i osigurati pomoćno hlađenje.