Jedinica za grafičku obradu (GPU) je izvrstan primjer kako se tehnologija dizajnirana za zadatke obrade grafike proširila na nepovezano područje računalstva visokih performansi. Moderni GPU-ovi su u središtu mnogih najsloženijih svjetskih projekata strojnog učenja i analize podataka. U našem preglednom članku ćemo vam reći kako kupci Selectela koriste GPU hardver i razmišljaju o budućnosti znanosti o podacima i računalnim uređajima zajedno s nastavnicima Yandexove škole za analizu podataka.
GPU-ovi su se dosta promijenili u posljednjih deset godina. Osim kolosalnog povećanja performansi, došlo je do podjele uređaja prema vrsti korištenja. Dakle, video kartice za kućne sustave igranja i instalacije virtualne stvarnosti ističu se u zasebnom smjeru. Pojavljuju se moćni visoko specijalizirani uređaji: za poslužiteljske sustave, jedan od vodećih akceleratora je NVIDIA Tesla P100, dizajniran posebno za industrijsku upotrebu u podatkovnim centrima. Osim GPU-a, aktivno se provode istraživanja na području stvaranja nove vrste procesora koji simuliraju rad mozga. Primjer je Kirin 970 platforma s jednim čipom s vlastitim neuromorfnim procesorom za zadatke vezane uz neuronske mreže i prepoznavanje uzoraka.
Ova situacija nas tjera da razmislimo o sljedećim pitanjima:
- Zašto je područje analize podataka i strojnog učenja postalo toliko popularno?
- Kako su GPU-ovi dominirali na tržištu hardvera koji intenzivno troši podatke?
- Koja će vrsta istraživanja analize podataka biti najperspektivnija u bliskoj budućnosti?
Pokušajmo se pozabaviti ovim problemima redom, počevši od prvih jednostavnih video procesora i završavajući s modernim uređajima visokih performansi.
Era GPU-a
Prvo, sjetimo se što je GPU. Jedinica za grafičku obradu je jedinica za grafičku obradu koja se široko koristi u stolnim i poslužiteljskim sustavima. Posebnost ovog uređaja je njegova usmjerenost na masivno paralelno računanje. Za razliku od GPU-a, arhitektura druge računalne jedinice, CPU (Central Processor Unit), dizajnirana je za sekvencijalnu obradu podataka. Ako se broj jezgri u konvencionalnom CPU-u mjeri u desetcima, tada u GPU-u ima tisuće, što nameće ograničenja na vrste izvršenih naredbi, ali osigurava visoke performanse računala u zadacima koji uključuju paralelizam.
Prvi koraci
Rani razvoj video procesora bio je usko povezan s rastućom potrebom za zasebnim računalnim uređajem za obradu 2D i 3D grafike. Prije pojave zasebnih sklopova videokontrolera 70-ih godina, izlaz slike se provodio pomoću diskretne logike, što je utjecalo na povećanu potrošnju energije i velike tiskane ploče. Specijalizirani mikro krugovi omogućili su izdvajanje razvoja uređaja za rad s grafikom u zasebnom smjeru.
Sljedeći revolucionarni događaj bila je pojava nove klase složenijih i višenamjenskih uređaja - video procesora. Godine 1996. 3dfx Interactive je izdao Voodoo Graphics čipset, koji je brzo osvojio 85% tržišta specijaliziranih video uređaja i postao vodeći u 3D grafici u to vrijeme. Nakon niza neuspješnih odluka uprave tvrtke, među kojima je i kupnja proizvođača video kartica STB, 3dfx je izgubio vodstvo od NVIDIA-e i ATI-ja (kasnije AMD), a 2002. godine proglasio je bankrot.
Opće GPU računalstvo
Godine 2006. NVIDIA je najavila liniju proizvoda serije GeForce 8, koja je utrla put novoj klasi uređaja za opće GPU računanje (GPGPU). Tijekom razvoja, NVIDIA je shvatila da je više jezgri koje rade na nižoj frekvenciji učinkovitije za paralelna radna opterećenja od manje snažnijih jezgri. Video procesori sljedeće generacije pružaju podršku za paralelno računanje ne samo za obradu video tokova, već i za probleme vezane uz strojno učenje, linearnu algebru, statistiku i druge znanstvene ili komercijalne probleme.
Priznati vođa
Razlike u početnom postavljanju zadataka za CPU i GPU dovele su do značajnih razlika u arhitekturi uređaja – visoke frekvencije u odnosu na višejezgrenu. Za GPU-ove je to položilo računski potencijal koji se trenutno u potpunosti ostvaruje. Video procesori s impresivnim brojem slabijih računskih jezgri rade izvrstan posao s paralelnim izračunima. Središnja procesorska jedinica, povijesno dizajnirana za rukovanje sekvencijalnim zadacima, ostaje najbolja u svom području.
Na primjer, usporedimo vrijednosti u performansama CPU-a i GPU-a na izvedbi uobičajenog zadatka u neuronskim mrežama - množenje matrica visokog reda. Odaberimo sljedeće uređaje za testiranje:
- CPU. Intel Xeon E5-2680 v4 - 28 niti s HyperThreadingom, 2,4 GHZ;
- GPU. NVIDIA GTX 1080 - 2560 CUDA jezgri, 1607 Mhz, 8 GB GDDR5X.
Upotrijebimo primjer izračunavanja množenja matrice s CPU-om i GPU-om u Jupyter Notebook-u:
U gornjem kodu mjerimo vrijeme potrebno za izračunavanje matrica istog reda na CPU ili GPU ("Runtime"). Podaci se mogu prikazati u obliku grafikona, na kojem horizontalna os prikazuje redoslijed pomnoženih matrica, a okomita os - Vrijeme izvršenja u sekundama:
Narančasta linija na grafikonu pokazuje vrijeme potrebno za stvaranje podataka u običnom RAM-u, prijenos u memoriju GPU-a i njihovo izračunavanje. Zelena linija prikazuje 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 GPU-om i CPU-om u gotovo isto vrijeme. Razlika u performansama dobro se očituje kod matrica većih od 2000 do 2000, kada vrijeme računanja na CPU-u skoči na 1 sekundu, a GPU ostaje blizu nule.
Složeniji i praktičniji zadaci učinkovitije se rješavaju na uređaju s grafičkim procesorima nego bez njih. Budući da su problemi koje naši klijenti rješavaju na GPU hardveru toliko raznoliki, odlučili smo saznati koji su najčešći slučajevi korištenja.
Tko dobro živi s GPU-om u Selectelu?
Prva opcija koja mi odmah pada na pamet i koja se ispostavi da je točna je rudarenje, no zanimljivo je primijetiti da ga neki ljudi koriste kao pomoćni način za punjenje opreme do "maksimuma". U slučaju najma namjenskog poslužitelja s video karticama, vrijeme bez opterećenja koristi se za rudarenje kriptovaluta koje ne zahtijevaju specijalizirane instalacije (farme) za njihovo primanje.
Budući da su već donekle postali klasični, zadaci vezani uz grafičku obradu i renderiranje uvijek nalaze svoje mjesto na poslužiteljima Selectel s grafičkim akceleratorima. Korištenje opreme visokih performansi za takve zadatke omogućuje vam da dobijete učinkovitije rješenje od organizacije namjenskih radnih stanica s video karticama.
Tijekom razgovora s našim klijentima susreli smo se i s predstavnicima Yandexove škole za analizu podataka, koja koristi moć Selectela za organiziranje okruženja za probno učenje. Odlučili smo saznati više o tome što studenti i nastavnici rade, koja su područja strojnog učenja sada popularna i što je budućnost za industriju, nakon što se mladi stručnjaci učlane u redove zaposlenika vodećih organizacija ili pokrenu svoje startupe.
Znanost o podacima
Možda među našim čitateljima neće biti onih koji ne bi čuli izraz "neuralne mreže" ili "strojno učenje". Osim marketinških varijacija na ove riječi, poenta je nova znanost o podacima koja je usmjerena na budućnost.
Suvremeni pristup radu s podacima uključuje nekoliko glavnih područja:
- Veliki podaci. Glavni problem u ovom području je ogromna količina informacija koje se ne mogu obraditi na jednom poslužitelju. Sa stajališta infrastrukturne podrške potrebno je riješiti probleme stvaranja klaster sustava, skalabilnosti, tolerancije grešaka i distribuirane pohrane podataka;
- Resursno intenzivni zadaci (strojno učenje, duboko učenje i drugi). U ovom slučaju postavlja se pitanje korištenja računalstva visokih performansi koje zahtijeva veliku količinu RAM-a i procesorskih resursa. U takvim se zadacima aktivno koriste sustavi s grafičkim akceleratorima.
Granica između usmjerenih podataka postupno se zamagljuje: glavni alati za rad s velikim podacima (Hadoop, Spark) uvode podršku za računanje na GPU-u, a problemi s strojnim učenjem pokrivaju nova područja i zahtijevaju više podataka. U detaljnijem razumijevanju pomoći će nam nastavnici i učenici Škole za analizu podataka.
Teško je precijeniti važnost inteligentne manipulacije podacima i odgovarajuće implementacije naprednih analitičkih alata. Ne govorimo ni o velikim podacima, njihovim "jezerima" ili "rijekama", već o inteligentnoj interakciji s informacijama. Ono što se sada događa je jedinstvena situacija: možemo prikupiti širok raspon informacija i koristiti napredne alate i usluge za dubinsku analizu. Tvrtka implementira takve tehnologije ne samo za dobivanje napredne analitike, već i za stvaranje jedinstvenog proizvoda u bilo kojoj industriji. To je posljednja točka koja uvelike oblikuje i pokreće rast industrije analize podataka.
Novi smjer
Informacije nas okružuju posvuda: od dnevnika internetskih tvrtki i bankovnih transakcija do očitanja u eksperimentima na Velikom hadronskom sudaraču. Mogućnost rada s tim podacima može donijeti milijunske zarade i dati odgovore na temeljna pitanja o strukturi Svemira. Stoga je analiza podataka postala zasebno područje istraživanja poslovne i znanstvene zajednice.
Škola za analizu podataka priprema najbolje specijalizirane stručnjake i znanstvenike koji će u budućnosti postati glavni izvor znanstvenog i industrijskog razvoja u ovom području. Kao ponuđača infrastrukture, industrija također utječe na nas - sve više kupaca traži konfiguracije poslužitelja za zadatke analize podataka.
Specifičnosti zadataka s kojima se susreću naši kupci određuju kakvu opremu trebamo ponuditi kupcima i u kojem smjeru treba razvijati našu liniju proizvoda. Zajedno sa Stanislavom Fedotovom i Olegom Ivčenkom intervjuirali smo učenike i nastavnike Škole za analizu podataka i saznali koje tehnologije koriste za rješavanje praktičnih problema.
Tehnologije analize podataka
Tijekom obuke polaznici prelaze s osnova (osnovna viša matematika, algoritmi i programiranje) na najnaprednija područja strojnog učenja. Prikupili smo informacije o onima koji koriste GPU poslužitelje:
- Duboko učenje;
- Učenje s pojačanjem;
- Računalni vid;
- Automatska obrada teksta.
Studenti koriste specijalizirane alate u svojim studijskim zadacima i istraživanju. Neke su knjižnice dizajnirane za pretvaranje podataka u traženi oblik, druge su dizajnirane za rad s određenom vrstom informacija, kao što su tekst ili slike. Duboko učenje jedno je od najtežih područja u analizi podataka koje intenzivno koristi neuronske mreže. Odlučili smo saznati koje okvire koriste nastavnici i učenici za rad s neuronskim mrežama.
Predstavljeni alati imaju različitu podršku kreatora, no unatoč tome i dalje se aktivno koriste u obrazovne i radne svrhe. Mnogi od njih zahtijevaju produktivnu opremu za rješavanje zadataka u razumnom vremenskom okviru.
Daljnji razvoj i projekti
Kao i kod svake znanosti, smjer analize podataka će se promijeniti. Iskustvo koje studenti danas stječu nedvojbeno će biti temelj budućeg razvoja. Stoga je posebno vrijedno istaknuti visoku praktičnu usmjerenost programa - neki studenti, tijekom studija ili nakon, započinju praksu u Yandexu i svoje znanje već primjenjuju na stvarnim uslugama i uslugama (pretraga, računalni vid, prepoznavanje govora i druge) .
O budućnosti analize podataka razgovarali smo s nastavnicima Škole za analizu podataka koji su s nama podijelili svoje viđenje razvoja znanosti o podacima.
Po mišljenju Vlada Shakhuro, nastavnik kolegija „Analiza slike i videa“, najzanimljiviji zadaci računalnog vida su osiguranje sigurnosti na mjestima s puno ljudi, vožnja bespilotnog vozila i izrada aplikacije pomoću proširene stvarnosti. Za rješavanje ovih problema potrebno je biti sposoban kvalitetno analizirati video podatke i razviti, prije svega, algoritme za detekciju i praćenje objekata, prepoznavanje osobe po licu i trodimenzionalnu rekonstrukciju promatranog prizora. Učitelj, nastavnik, profesor Viktor Lempitsky, koji predaje tečaj Deep Learning, u svom smjeru ističe autoenkodere, kao i generativne i suparničke mreže.
Jedan od mentora u Školi za analizu podataka dijeli svoje stavove o proliferaciji i uobičajenoj upotrebi strojnog učenja:
“Strojno učenje pretvara se iz mnoštva opsjednutih istraživača u još jedan alat za prosječnog programera. Ranije (na primjer 2012.) ljudi su pisali kod niske razine za treniranje konvolucijskih mreža na par video kartica. Sada svatko može, za nekoliko sati:
- preuzmite težine već uvježbane neuronske mreže (na primjer, u kerasu);
- upotrijebite ga za izradu rješenja za svoj zadatak (fino ugađanje, zero-shot učenje);
- ugradite ga u svoju web stranicu ili mobilnu aplikaciju (tensorflow / caffe 2).
Mnoge velike tvrtke i startupi već su pobijedili s ovom strategijom (poput Prisme), ali ima još izazova koje treba otkriti i riješiti. A možda će cijela ova priča s strojnim/dubinskim učenjem jednog dana postati uobičajena kao što je sada python ili excel"
Nitko danas ne može točno predvidjeti tehnologiju budućnosti, ali kada postoji određeni vektor kretanja, može se razumjeti što bi sada trebalo proučavati. A za to u suvremenom svijetu ima puno mogućnosti.
Prilike za početnike
Studij analize podataka ograničen je visokim zahtjevima za studente: opsežnim znanjem iz područja matematike i algoritama, sposobnošću programiranja. Istinski ozbiljni zadaci strojnog učenja zahtijevaju specijalizirani hardver. A za one koji žele saznati više o teorijskoj komponenti znanosti o podacima, Škola za analizu podataka, zajedno s Višom ekonomskom školom, pokrenula je online tečaj "".
Umjesto zaključka
Rast tržišta GPU-a potaknut je sve većim interesom za mogućnosti takvih uređaja. GPU se koristi u kućnim sustavima za igranje igara, zadacima renderiranja i obrade videa, kao i tamo gdje je potrebno općenito računalstvo visokih performansi. Praktične primjene zadataka rudarenja podataka prodirat će sve dublje u naš svakodnevni život. A izvođenje takvih programa najučinkovitije se provodi uz pomoć GPU-a.
Zahvaljujemo našim klijentima, kao i nastavnicima i učenicima Škole za analizu podataka na zajedničkoj pripremi materijala, te pozivamo naše čitatelje da ih bolje upoznaju.
A za one koji su iskusni i sofisticirani u području strojnog učenja, analize podataka i više, predlažemo da pogledaju Selectel za iznajmljivanje poslužiteljske opreme s grafičkim akceleratorima: od jednostavnih GTX 1080 do Tesle P100 i K80 za najzahtjevnije zadatke.
Na što prvo gledamo pri odabiru pametnog telefona? Osim cijene na trenutak, prva stvar koju radimo je, naravno, veličina zaslona. Zatim nas zanima kamera, količina operative, broj jezgri 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, zvani GPU. Što je to, kako radi i zašto je važno znati o tome, opisat ćemo u nastavku.
GPU (Graphics Processing Unit) je procesor posvećen isključivo grafičkoj obradi i računanju s pomičnim zarezom. Prvenstveno postoji kako bi olakšao rad glavnog procesora kada su u pitanju igrice koje zahtijevaju velike resurse ili 3D grafičke aplikacije. Kada igrate igru, GPU je odgovoran za stvaranje grafike, boja i tekstura, dok CPU može raditi umjetnu inteligenciju ili izračune mehanike igre.
Arhitektura GPU-a se ne razlikuje mnogo od CPU arhitekture, međutim, više je optimizirana za učinkovito rukovanje grafikom. Ako natjerate GPU da radi bilo koje druge izračune, to će se pokazati s najgore strane.
Video kartice koje se priključe odvojeno i rade velikom snagom postoje samo u prijenosnim i stolnim računalima. Ako govorimo o Android uređajima, onda govorimo o integriranoj grafici i onome što zovemo SoC (System-on-a-Chip). Primjerice, procesor ima integrirani grafički procesor Adreno 430. Memorija koju koristi za svoj rad je sistemska memorija, dok se za video kartice u stolnim računalima dodjeljuje samo dostupna memorija. Istina, postoje i hibridni čipovi.
Dok višejezgreni procesor radi pri velikim brzinama, GPU ima mnogo procesorskih jezgri koje rade pri malim brzinama i samo računaju vrhove i piksele. Vertex obrada se uglavnom vrti oko koordinatnog sustava. GPU rješava geometrijske zadatke stvarajući trodimenzionalni prostor na ekranu i dopuštajući objektima da se kreću oko njega.
Obrada piksela je složenija i računski intenzivnija. U ovom trenutku GPU primjenjuje različite slojeve, primjenjuje efekte, čini sve kako bi stvorio složene teksture i realističnu grafiku. Nakon što su oba procesa obrađena, rezultat se prenosi na ekran vašeg pametnog telefona ili tableta. Sve se to događa milijune puta u sekundi dok igrate igru. 
Naravno, ova priča o radu GPU-a je vrlo površna, ali dovoljna je da stvorite ispravnu opću ideju i možete nastaviti razgovor s prijateljima ili prodavačem elektronike ili shvatiti zašto se vaš uređaj toliko zagrijao tijekom igranja . Kasnije ćemo svakako raspravljati o prednostima pojedinih GPU-a u radu s određenim igrama i zadacima.
Temeljeno na materijalima iz AndroidPita
U ovom članku možete dobiti objašnjenje da je GPU u računalu grafički procesor ili, kako mnogi vole reći, video kartica. Može biti ugrađena ili diskretna. Ovisno o tome, možete odabrati potrebno hlađenje i pristojnu prehranu.
Integrirani GPU
Integrirana grafička kartica nalazi se na matičnoj ploči ili u procesoru. Samo zato što je GPU na vašem računalu ne znači da trebate pokretati zahtjevne igre ili filmove visoke kvalitete. Činjenica je da su video kartice ove vrste dizajnirane za rad s jednostavnim aplikacijama koje ne zahtijevaju velike resurse. Osim toga, ne troše puno energije.
Što se tiče količine memorije, integrirani GPU u računalu za rad koristi količinu i frekvenciju RAM-a.
Većina korisnika koristi kartice ove vrste samo za instaliranje upravljačkih programa na diskretnu video karticu.
Diskretni GPU
Diskretni prikaz GPU-a u računalu - što je to? Za razliku od integriranog grafičkog procesora, diskretne video kartice su zaseban modul koji se sastoji od samog procesora, nekoliko hladnjaka, hladnjaka, memorijskih čipova, kondenzatora i, u slučaju povećane snage, vodenog hlađenja.
Takve video kartice mogu biti i igraće i uredske. Na primjer, za proizvođača Invidia, razlikuju se u nizu izdanja. GT630 je uredski model, a GTX660 se zove gaming model. Prvi broj označava generaciju GPU-a, a sljedeća dva označavaju seriju. Brojevi serije do 50 označavaju da je oprema uredska, a od 50 do 90 - to su kartice za igru. Štoviše, što je veći broj, to se čip učinkovitije koristi u video kartici. Prefiks u obliku slova "X" znači predstavljanje u kategoriji igara, budući da takve video kartice imaju potencijal za overclocking. Također im je potrebno zasebno dodatno napajanje, jer njihovi resursi troše puno energije. Sada postoji opća ideja da je ovo GPU u računalu.
Što se tiče Radeona, njihov identifikacijski sustav je vrlo jednostavan. U četveroznamenkastom sustavu prva znamenka je za generaciju, druga za seriju, a posljednje dvije znamenke označavaju slijed modela. Oni su odgovorni za razliku između ureda i diskretnih predstavnika.
Normalna temperatura GPU-a u računalu
Za normalan rad procesor mora održavati optimalnu temperaturu, a za svaku komponentu ima svoju. Što se tiče GPU-a, njegova radna temperatura obično ne prelazi 65 stupnjeva. Čip može izdržati zagrijavanje do 90 stupnjeva, ali bolje je to ne dopustiti, inače su komponente video čipa podložne uništenju.
Za normalnu temperaturu odgovorno je nekoliko komponenti video kartice - to su termalna mast, hladnjaci, radijatori i sustav napajanja.
Termomast se mora redovito mijenjati jer se s vremenom stvrdne i izgubi funkciju hlađenja. Njegova zamjena ne traje puno vremena - dovoljno je ukloniti ostatke stare paste i pažljivo nanijeti novu.
Drugi način da snizite temperaturu GPU-a u vašem računalu je da napravite pravi izbor hladnjaka. Svaka gaming video kartica opremljena je s jednim do tri hladnjaka. Što više ventilatora, to će se hladnjaki bolje hladiti. Što se uredskih predstavnika tiče, proizvođači uglavnom na ploče postavljaju samo hladnjake ili jedan hladnjak.
Snaga GPU-a
Integrirani GPU-ovi ne trebaju dodatnu snagu, ali diskretni GPU-ovi zahtijevaju snažnije napajanje. Uredske grafičke kartice će dobro funkcionirati s jedinicom od 450 vata. Izmjenjive grafičke kartice zahtijevaju napajanje od više od 500 vata. Ako ga ispravno odaberete, možete u potpunosti osloboditi potencijal video kartice. Štoviše, sustav hlađenja diskretne video kartice bolje će funkcionirati uz dovoljno napajanja.
Prehrana igra važnu ulogu. Bez GPU-a nemoguće je prikazati sliku na ekranu. Da biste vidjeli kako se video kartica prikazuje u sustavu, samo idite na upravljačku ploču i otvorite karticu "Video adapteri". Ako se prikaže poruka "Uređaj nije prepoznat", tada morate instalirati upravljačke programe za svoj GPU. Nakon instaliranja upravljačkih programa, model kartice će biti ispravno prikazan u sustavu.
CPU i GPU su međusobno vrlo slični. Oboje se sastoje od milijuna tranzistora, sposobnih za tisuće operacija u sekundi, i njima su pogodni. Ali koja je razlika između CPU-a i GPU-a?
Što je CPU?
CPU (Central Processing Unit) je središnja procesorska jedinica, drugim riječima, "mozak" računala. To je zbirka od nekoliko milijuna tranzistora koji mogu izvesti složene izračune. Standardni procesor ima jednu do četiri jezgre takta od 1 do 4 GHz, iako nedavno.
CPU je dovoljno moćan uređaj koji može izvršiti bilo koji zadatak na računalu. Broj jezgri i brzina CPU-a jedan je od ključnih
Što je GPU?
GPU (Graphics Processing Unit) je specijalizirani tip mikroprocesora koji je optimiziran za prikaz grafike i rješavanje specifičnih zadataka. 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 izvesti samo djelić mnogih operacija CPU-a, ali to čini nevjerojatnom brzinom. GPU koristi stotine računalnih jezgri u stvarnom vremenu za prikaz tisuća piksela na monitoru. To omogućuje glatko prikazivanje složene grafike igre.
Međutim, CPU-ovi su fleksibilniji od GPU-a. Središnje procesorske jedinice imaju veći skup instrukcija, tako da se mogu nositi sa širim rasponom zadataka. CPU-i rade na višim maksimalnim frekvencijama i mogu kontrolirati ulaz i izlaz svih komponenti računala. CPU-ovi su sposobni rukovati virtualnom memorijom, koja je potrebna modernim operativnim sustavima, ali GPU-ovi nisu.
Malo o GPU računalstvu
Iako su GPU-ovi najbolji za renderiranje videa, oni su tehnički sposobni učiniti više. Obrada grafike samo je jedna vrsta ponavljajućih i vrlo paralelnih zadataka. Ostali zadaci kao što su rudarenje Bitcoina ili napadi grubom silom oslanjaju se na iste vrste velikih skupova podataka i matematičkih operacija. Zbog toga mnogi ljudi koriste GPU-ove u "ne-grafičke" svrhe.
Ishod
CPU i GPU-ovi imaju slične namjene, ali su optimizirani za različite računalne zadatke. Ovo je razlika između CPU-a i GPU-a. Za pravilan i učinkovit rad računalo mora imati obje vrste mikroprocesora.
Pozdrav prijatelji.
Volite li igrati realistične igrice na računalu? Ili gledati film u kvaliteti koja jasno prikazuje svaku sitnicu? Dakle, morate zamisliti što je GPU u računalu. Zar ne znaš ništa o njemu? Moj članak će vam pomoći da se riješite ovog nesporazuma ;-).
GPU nije video 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 njegove karakteristike bolje, to će slika biti bolja.
Jeste li oduvijek vjerovali da obavlja te funkcije? Naravno da ste u pravu, ali to je složen uređaj, a njegova glavna komponenta je samo grafički postotak. Također može postojati neovisno o vidyuhi. O ovome ćemo malo kasnije.
GPU: ne treba ga brkati s CPU-om
Unatoč sličnosti akronima, nemojte brkati predmet našeg razgovora s (Središnja procesorska jedinica). Da, slični su, i po imenu i po funkciji. Potonji također može reproducirati grafiku, međutim, u tom je pitanju slabiji. Ipak, to su potpuno različiti uređaji.
Razlikuju se po arhitekturi. CPU je višenamjenski uređaj koji je odgovoran za sve procese u računalu. Da bi to učinio, ima ih nekoliko, uz pomoć kojih uzastopno obrađuje jedan zadatak za drugim.
Zauzvrat, GPU je izvorno dizajniran kao specijalizirani uređaj za izvođenje grafičkog renderiranja, obradu tekstura i složenih slika velikom brzinom. Za takve namjene bio je opremljen višenitnom strukturom i više jezgri kako bi mogao raditi s velikom količinom informacija odjednom, a ne sekvencijalno.
S obzirom na tu prednost, vodeći među proizvođačima video adaptera objavili su modele u kojima grafički procesori mogu postati poboljšana zamjena za središnji. Brend nVidia ovaj uređaj naziva GTX 10xx, a njegov glavni konkurent AMD RX.
Vrste grafičkih procesa
Kako biste se mogli kretati tržištem GPU-a, predlažem da se upoznate s vrstama ovog uređaja:
- Diskretna. Uključeno u video adapter. Povezuje se s matičnom pločom preko posebno određenog konektora (najčešće PCIe ili AGP). Ima vlastitu memoriju slučajnog pristupa. Jeste li zahtjevni igrači ili radite sa složenim grafičkim uređivačima? Uzmite diskretni model.
- Integrirani (IGP). Prije je bio zalemljen u matičnu ploču, sada je ugrađen u središnji procesor. U početku nije prikladan za igranje realističnih igara i teških grafičkih programa, ali novi modeli se nose s tim zadacima. No, imajte na umu da su takvi čipovi nešto sporiji, jer nemaju osobnu RAM memoriju i pristupaju CPU memoriji.
- Hibridna grafička obrada. To je 2 u 1, odnosno kada su u računalo instalirani i prvi i drugi tip GPU-a. Ovisno o obavljenim zadacima, u rad se uključuje jedno ili drugo. Međutim, postoje prijenosna računala u kojima 2 vrste uređaja mogu raditi odjednom.
- Vanjski tip. Kao što možete pretpostaviti, ovo je grafički procesor smješten izvan računala. Najčešće, ovaj model odabiru vlasnici prijenosnih računala kojima je teško ugurati diskretnu video karticu u svoj hardver, ali stvarno žele dobiti pristojnu grafiku.
Kako odabrati?
Prilikom odabira video adaptera za sebe obratite pozornost na sljedeće karakteristike:
- Frekvencija sata. Označeno u megahercima. Što je broj veći, uređaj može obraditi više informacija u sekundi. Istina, ne samo da to utječe na njegovu izvedbu. Arhitektura je također važna.
- Broj računalnih jedinica. Dizajnirani su za rukovanje zadacima - shaderi odgovorni za izračune vrhova, geometrija, piksela i opće namjene.
- Brzina punjenja (brzina punjenja). Ovaj parametar može reći koliko brzo GPU može prikazati sliku. Podijeljena je u 2 vrste: brzina popunjavanja piksela i stopa teksela. Na prvu utječe broj ROP jedinica u strukturi procesora, a na drugu - teksturne jedinice (TMU).
Obično u najnovijim GPU modelima ima manje prvih blokova. Piksele koje je izračunao video adapter zapisuju u međuspremnike i miješaju ih, što se pametno naziva miješanjem. TMU dohvaćaju i filtriraju teksture i druge informacije potrebne za poravnavanje scene i opće izračune.
Geometrijski blokovi
Prije toga nitko nije obraćao pažnju na njih, jer su virtualne igre imale jednostavnu geometriju. Ovaj parametar je uzet u obzir nakon pojave teselacije u DirectX 11. Zar ne razumiješ što mislim? Idemo redom.
To je okruženje (skup alata) za pisanje igrica. Kako bih vam pomogao u snalaženju 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 bezglavo uroniti u atmosferu Metroa 2033, Crysis 2, HAWX 2 itd., prilikom odabira GPU-a uzmite u obzir broj geometrijskih blokova.
Memorija
Hoćete li nabaviti novu grafičku karticu? To znači da morate uzeti u obzir još nekoliko karakteristika RAM-a:
- Volumen. Važnost RAM-a donekle je precijenjena, jer ne samo njegov kapacitet, već i vrsta i svojstva utječu 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 igara potrebno je najmanje 128 bita.
- Frekvencija. Također određuje propusnost RAM-a. Ali imajte na umu da je memorija s 256-bitnom sabirnicom i frekvencijom od 800 (3200) MHz produktivnija nego sa 128 bita na 1000 (4000) MHz.
- Vrsta. Neću vas opterećivati nepotrebnim informacijama, već ću navesti samo optimalne tipove za danas – to su GDDR 3. i 5. generacije.
Malo o hlađenju
Planirate li instalirati moćan čip? Odmah vodite računa o dodatnom hlađenju u vidu radijatora, hladnjaka, a ako ćete redovito cijediti sve sokove iz uređaja, možda biste pomislili na tekući sustav.
Općenito, pazite na temperaturu vidyuhi. Program vam može pomoći u tome. GPU-Z itd., koji će osim ovog parametra reći sve o uređaju.
Naravno, moderne video kartice opremljene su zaštitnim sustavom koji ne dopušta pregrijavanje. Ograničenje temperature je različito za različite modele. U prosjeku je 105 ° C, nakon čega se adapter sam isključuje. Ali bolje je spasiti skupi uređaj i osigurati pomoćno hlađenje.
