GPU într-un computer - ce este, varietăți. GPU vs CPU: de ce sunt folosite GPU-urile pentru a analiza datele financiare

Unitatea de procesare grafică (GPU) este un prim exemplu al modului în care tehnologia concepută pentru sarcinile de procesare grafică s-a răspândit în zona nelegată a calculului de înaltă performanță. GPU-urile moderne se află în centrul multor dintre cele mai complexe proiecte de învățare automată și de analiză a datelor din lume. În articolul nostru de recenzie, vă vom spune cum folosesc clienții Selectel hardware-ul GPU și se gândesc la viitorul științei datelor și al dispozitivelor de calcul împreună cu profesorii Școlii de Analiză a Datelor Yandex.

GPU-urile s-au schimbat foarte mult în ultimii zece ani. Pe lângă creșterea colosală a performanțelor, a existat o împărțire a dispozitivelor în funcție de tipul de utilizare. Deci, plăcile video pentru sistemele de jocuri de acasă și instalațiile de realitate virtuală ies în evidență într-o direcție separată. Apar dispozitive puternice înalt specializate: pentru sistemele server, unul dintre acceleratoarele de top este NVIDIA Tesla P100, conceput special pentru uz industrial în centrele de date. Pe lângă GPU, se desfășoară activ cercetări în domeniul creării unui nou tip de procesoare care simulează activitatea creierului. Un exemplu este platforma Kirin 970 cu un singur cip cu propriul procesor neuromorf pentru sarcini legate de rețelele neuronale și recunoașterea modelelor.

Această situație ne face să ne gândim la următoarele întrebări:

• De ce a devenit atât de popular domeniul analizei datelor și al învățării automate?
• Cum au dominat GPU-urile piața hardware cu consum mare de date?
• Ce fel de cercetare de analiză a datelor va fi cea mai promițătoare în viitorul apropiat?

Să încercăm să rezolvăm aceste probleme în ordine, începând cu primele procesoare video simple și terminând cu dispozitive moderne de înaltă performanță.

Era GPU-ului

În primul rând, să ne amintim ce este un GPU. Unitatea de procesare grafică este o unitate de procesare grafică utilizată pe scară largă în sistemele desktop și server. O caracteristică distinctivă a acestui dispozitiv este concentrarea pe calculul paralel masiv. Spre deosebire de GPU, arhitectura unei alte unități de calcul, CPU (Central Processor Unit), este proiectată pentru procesarea secvențială a datelor. Dacă numărul de nuclee dintr-un CPU convențional este măsurat în zeci, atunci în GPU există mii, ceea ce impune restricții asupra tipurilor de comenzi executate, dar oferă performanțe de calcul ridicate în sarcinile care implică paralelism.

Primii pași

Dezvoltarea timpurie a procesoarelor video a fost strâns legată de nevoia tot mai mare de un dispozitiv de calcul separat pentru a gestiona grafica 2D și 3D. Înainte de apariția circuitelor de control video separate în anii 70, ieșirea imaginii a fost efectuată folosind o logică discretă, care a afectat consumul crescut de energie și plăcile de circuite imprimate mari. Microcircuitele specializate au făcut posibilă evidențierea dezvoltării dispozitivelor pentru lucrul cu grafică într-o direcție separată.

Următorul eveniment revoluționar a fost apariția unei noi clase de dispozitive mai complexe și mai multifuncționale - procesoare video. În 1996, 3dfx Interactive a lansat chipset-ul Voodoo Graphics, care a câștigat rapid 85% din piața de dispozitive video specializate și a devenit lider în grafica 3D la acea vreme. După o serie de decizii nereușite ale conducerii companiei, printre care și achiziționarea producătorului de plăci video STB, 3dfx a pierdut conducerea în fața NVIDIA și ATI (mai târziu AMD), iar în 2002 și-a declarat faliment.

Calcul GPU general

În 2006, NVIDIA a anunțat seria de produse GeForce 8, care a deschis calea pentru o nouă clasă de dispozitive de calcul GPU general (GPGPU). În timpul dezvoltării, NVIDIA a realizat că mai multe nuclee care rulează la o frecvență mai mică erau mai eficiente pentru sarcinile de lucru paralele decât mai puține nuclee mai puternice. Procesoarele video de ultimă generație au oferit suport de calcul paralel nu numai pentru procesarea fluxurilor video, ci și pentru probleme legate de învățarea automată, algebra liniară, statistică și alte probleme științifice sau comerciale.

Lider recunoscut

Diferențele în setarea inițială a sarcinilor pentru CPU și GPU au condus la diferențe semnificative în arhitectura dispozitivului - de înaltă frecvență versus multi-core. Pentru GPU, acest lucru a creat potențialul de calcul care este în prezent pe deplin realizat. Procesoarele video cu un număr impresionant de nuclee de calcul mai slabe fac o treabă excelentă cu calcule paralele. Unitatea centrală de procesare, concepută istoric pentru a gestiona sarcini secvențiale, rămâne cea mai bună din domeniul său.

De exemplu, să comparăm valorile performanței CPU și GPU asupra performanței unei sarcini comune în rețelele neuronale - multiplicarea matricelor de ordin înalt. Să selectăm următoarele dispozitive pentru testare:

• CPU. Intel Xeon E5-2680 v4 - 28 fire cu HyperThreading, 2,4 GHZ;
• GPU. NVIDIA GTX 1080 - 2560 CUDA Cores, 1607 Mhz, 8GB GDDR5X.

Să folosim un exemplu de calcul al înmulțirii matricei cu CPU și GPU în Jupyter Notebook:

În codul de mai sus, măsurăm timpul necesar pentru a calcula matrice de aceeași ordine pe CPU sau GPU ("Runtime"). Datele pot fi prezentate sub forma unui grafic, pe care axa orizontală arată ordinea matricelor multiplicate, iar axa verticală - Timp de execuție în secunde:

Linia portocalie de pe grafic arată timpul necesar pentru a crea date în memoria RAM obișnuită, a le transfera în memoria GPU și apoi a le calcula. Linia verde arată timpul necesar pentru a calcula datele care au fost deja generate în memoria plăcii video (fără a fi transferate din RAM). Albastrul reprezintă timpul de numărare pe CPU. Matricele de ordinul a mai puțin de 1000 de elemente sunt înmulțite cu GPU și CPU aproape în același timp. Diferența de performanță se manifestă bine cu matrici mai mari de 2000 până în 2000, când timpul de calcul pe CPU sare la 1 secundă, iar GPU-ul rămâne aproape de zero.

Sarcinile mai complexe și practice sunt rezolvate mai eficient pe un dispozitiv cu procesoare grafice decât fără ele. Deoarece problemele pe care le rezolvă clienții noștri pe hardware-ul GPU sunt atât de diverse, am decis să aflăm care sunt cele mai populare cazuri de utilizare.

Cine trăiește bine cu GPU la Selectel?

Prima opțiune care vine imediat în minte și se dovedește a fi presupunerea corectă este mineritul, dar este curios de observat că unii oameni o folosesc ca modalitate auxiliară de a încărca echipamentele la „maximum”. În cazul închirierii unui server dedicat cu plăci video, timpul liber de încărcături de muncă este folosit pentru extragerea de criptomonede care nu necesită instalații specializate (ferme) pentru a le primi.

Devenind deja într-o oarecare măsură clasice, sarcinile legate de procesarea și randarea grafică își găsesc invariabil locul pe serverele Selectel cu acceleratoare grafice. Utilizarea unor echipamente performante pentru astfel de sarcini vă permite să obțineți o soluție mai eficientă decât organizarea de stații de lucru dedicate cu plăci video.

În timpul conversației cu clienții noștri, ne-am întâlnit și cu reprezentanți ai Școlii de Analiză a Datelor Yandex, care folosește puterea Selectel pentru a organiza medii de învățare de testare. Am decis să aflăm mai multe despre ceea ce fac studenții și profesorii, ce domenii ale învățării automate sunt acum populare și ce ne rezervă viitorul industriei, după ce tinerii specialiști se înscriu în rândurile angajaților organizațiilor de vârf sau își lansează startup-urile.

Știința datelor

Poate că printre cititorii noștri nu vor fi cei care nu ar fi auzit sintagma „rețele neuronale” sau „învățare automată”. Lăsând la o parte variațiile de marketing ale acestor cuvinte, concluzia este știința datelor în curs de dezvoltare și de perspectivă.

Abordarea modernă a lucrului cu date include mai multe domenii principale:

• Date mare. Principala problemă în acest domeniu este cantitatea enormă de informații care nu pot fi procesate pe un singur server. Din punct de vedere al suportului de infrastructură, este necesar să se rezolve problemele de creare a sistemelor cluster, scalabilitate, toleranță la erori și stocare distribuită a datelor;
• Sarcini intensive în resurse (învățare automată, învățare profundă și altele). În acest caz, se pune problema utilizării calculatoarelor de înaltă performanță care necesită o cantitate mare de RAM și resurse de procesor. În astfel de sarcini, sistemele cu acceleratoare grafice sunt utilizate în mod activ.

Linia dintre datele direcționale se estompează treptat: principalele instrumente de lucru cu big data (Hadoop, Spark) introduc suport pentru calcularea pe GPU, iar problemele de învățare automată acoperă noi domenii și necesită mai multe date. Profesorii și studenții Școlii de Analiză a Datelor ne vor ajuta să înțelegem mai în detaliu.

Este dificil de supraestimat importanța manipulării inteligente a datelor și a implementării adecvate a instrumentelor analitice avansate. Nici măcar nu vorbim de big data, „lacurile” sau „râurile” lor, ci mai degrabă despre interacțiunea inteligentă cu informația. Ceea ce se întâmplă acum este o situație unică: putem colecta o mare varietate de informații și putem folosi instrumente și servicii avansate pentru o analiză aprofundată. Business implementează astfel de tehnologii nu numai pentru a obține analize avansate, ci și pentru a crea un produs unic în orice industrie. Este ultimul punct care modelează și conduce în mare parte creșterea industriei de analiză a datelor.

Direcție nouă

Informațiile ne înconjoară peste tot: de la jurnalele companiilor de internet și tranzacțiile bancare până la citirile din experimentele de la Large Hadron Collider. Capacitatea de a lucra cu aceste date poate aduce milioane de profituri și poate oferi răspunsuri la întrebări fundamentale despre structura Universului. Prin urmare, analiza datelor a devenit o zonă separată de cercetare în rândul comunității de afaceri și științifice.

Școala de Analiză a Datelor pregătește cei mai buni specialiști și oameni de știință specializați care în viitor vor deveni principala sursă de dezvoltări științifice și industriale în acest domeniu. În calitate de furnizor de infrastructură, industria ne afectează și pe noi - tot mai mulți clienți solicită configurații de server pentru sarcini de analiză a datelor.

Specificul sarcinilor cu care se confruntă clienții noștri determină ce echipamente ar trebui să le oferim clienților și în ce direcție ar trebui dezvoltată linia noastră de produse. Împreună cu Stanislav Fedotov și Oleg Ivchenko, am intervievat studenți și profesori ai Școlii de Analiză a Datelor și am aflat ce tehnologii folosesc pentru a rezolva probleme practice.

Tehnologii de analiză a datelor

În timpul instruirii, studenții trec de la elementele de bază (matematică superioară de bază, algoritmi și programare) la cele mai avansate domenii ale învățării automate. Am colectat informații despre cei care folosesc servere GPU:

• Invatare profunda;
• Consolidarea învățării;
• Viziune computerizată;
• Procesare automată de text.

Studenții folosesc instrumente specializate în sarcinile lor de studiu și cercetare. Unele biblioteci sunt concepute pentru a converti datele în forma necesară, altele sunt concepute pentru a lucra cu un anumit tip de informații, cum ar fi text sau imagini. Învățarea profundă este una dintre cele mai dificile domenii ale analizei datelor, care utilizează intens rețelele neuronale. Am decis să aflăm ce cadre folosesc profesorii și studenții pentru a lucra cu rețelele neuronale.

Instrumentele prezentate au suport diferit de creatori, dar, cu toate acestea, ele continuă să fie utilizate în mod activ în scopuri educaționale și de muncă. Multe dintre ele necesită echipamente productive pentru a face față sarcinilor într-un interval de timp rezonabil.

Dezvoltare ulterioară și proiecte

Ca în orice știință, direcția analizei datelor se va schimba. Experiența pe care o primesc studenții astăzi va sta, fără îndoială, la baza dezvoltărilor viitoare. Prin urmare, merită remarcată separat orientarea practică ridicată a programului - unii studenți, în timpul studiilor sau după, încep stagiile la Yandex și își aplică deja cunoștințele despre servicii și servicii reale (căutare, viziune computerizată, recunoaștere a vorbirii și altele) .

Am vorbit despre viitorul analizei datelor cu profesorii Școlii de Analiză a Datelor, care ne-au împărtășit viziunea lor despre dezvoltarea științei datelor.

In opinia Vlada Shakhuro, profesor al cursului „Analiza imaginilor și video”, cele mai interesante sarcini în viziunea computerizată sunt asigurarea siguranței în locuri aglomerate, conducerea unui vehicul fără pilot și crearea unei aplicații folosind realitatea augmentată. Pentru a rezolva aceste probleme, este necesar să putem analiza calitativ datele video și să dezvoltăm, în primul rând, algoritmi pentru detectarea și urmărirea obiectelor, recunoașterea unei persoane după chip și reconstrucția tridimensională a scenei observate. Profesor Victor Lempitsky, care predă cursul Deep Learning, scoate în evidență autoencodere, precum și rețele generative și adversare în direcția sa.

Unul dintre mentorii de la Școala de Analiză a Datelor își împărtășește părerile despre proliferarea și utilizarea în general a învățării automate:

„Învățarea automată se transformă din mulțimea câtorva cercetători obsedați într-un alt instrument pentru dezvoltatorul obișnuit. Anterior (de exemplu, în 2012), oamenii au scris cod de nivel scăzut pentru a antrena rețele convoluționale pe o pereche de plăci video. Acum, oricine poate, în câteva ore:

• descărcați greutățile unei rețele neuronale deja antrenate (de exemplu, în keras);
• folosește-l pentru a crea o soluție pentru sarcina ta (ajustare fină, învățare zero-shot);
• încorporați-l în site-ul dvs. web sau în aplicația mobilă (tensorflow / caffe 2).

Multe companii mari și startup-uri au câștigat deja cu această strategie (cum ar fi Prisma), dar mai sunt încă mai multe provocări de descoperit și rezolvat. Și poate că toată povestea asta cu învățare automată/deep learning va deveni într-o zi la fel de banală precum este acum python sau excel.”

Nimeni nu poate prezice cu exactitate tehnologia viitorului astăzi, dar când există un anumit vector de mișcare, se poate înțelege ce ar trebui studiat acum. Și există o mulțime de oportunități pentru asta în lumea modernă.

Oportunități pentru începători

Studiul analizei datelor este limitat de cerințe ridicate pentru studenți: cunoștințe extinse în domeniul matematicii și algoritmilor, capacitatea de programare. Sarcinile de învățare automată cu adevărat serioase necesită hardware specializat. Iar pentru cei care doresc să afle mai multe despre componenta teoretică a științei datelor, Școala de Analiză a Datelor, împreună cu Școala Superioară de Economie, au lansat un curs online „”.

În loc de o concluzie

Creșterea pieței GPU este determinată de interesul crescând pentru capacitățile unor astfel de dispozitive. GPU-ul este utilizat în sistemele de jocuri de acasă, în sarcinile de randare și procesare video, precum și acolo unde este nevoie de calcul general de înaltă performanță. Aplicațiile practice ale sarcinilor de extragere a datelor vor pătrunde din ce în ce mai adânc în viața noastră de zi cu zi. Și execuția unor astfel de programe se realizează cel mai eficient cu ajutorul GPU-ului.

Mulțumim clienților noștri, precum și profesorilor și studenților Școlii de Analiză a Datelor pentru pregătirea în comun a materialului și invităm cititorii noștri să-i cunoască mai bine.

Iar pentru cei cu experiență și sofisticare în domeniul învățării automate, analizei datelor și nu numai, le sugerăm să se uite la Selectel pentru închirierea de echipamente de server cu acceleratoare grafice: de la simplu GTX 1080 la Tesla P100 și K80 pentru cele mai solicitante sarcini.

O zi bună tuturor, dragii mei prieteni și invitați ai blogului meu. Astăzi aș dori să vorbesc puțin despre hardware-ul computerelor noastre. Vă rog să-mi spuneți, ați auzit despre așa ceva ca un GPU? Se pare că mulți oameni aud o astfel de abreviere pentru prima dată.

Oricât de banal ar suna, dar astăzi trăim în era tehnologiei computerelor și, uneori, este dificil să găsești o persoană care nu are idee cum funcționează un computer. Deci, de exemplu, este suficient ca cineva să realizeze că un computer funcționează datorită unei unități centrale de procesare (CPU).

Cineva va merge mai departe și va afla că există și un anumit GPU. Un acronim atât de complicat, dar similar cu cel precedent. Deci, să ne dăm seama ce este un GPU într-un computer, ce sunt acestea și ce diferențe are cu un procesor.

Nu este o mare diferență

În termeni simpli, un GPU este o unitate de procesare grafică, uneori denumită placă video, care este parțial o eroare. O placă video este un dispozitiv component gata făcut, care include procesorul pe care îl descriem. Este capabil să proceseze comenzi pentru a genera grafică 3D. Este de remarcat faptul că este un element cheie pentru aceasta, viteza și diferitele capacități ale sistemului video în ansamblu depind de puterea acestuia.

GPU-ul are propriile caracteristici distinctive în comparație cu CPU-ul văr. Principala diferență constă în arhitectura pe care este construit. Arhitectura GPU este construită în așa fel încât să poată procesa cantități mari de date mai eficient. CPU-ul, la rândul său, procesează datele și sarcinile secvenţial. Desigur, nu ar trebui să luați această funcție ca pe un minus.

Tipuri de GPU

Nu există multe tipuri de procesoare grafice, unul dintre ele este denumit discret și este folosit pe module separate. Un astfel de cip este suficient de puternic, prin urmare, necesită un sistem de răcire format din radiatoare, răcitoare; în sistemele cu încărcare specială, poate fi utilizată răcirea cu lichid.

Astăzi putem observa un pas semnificativ în dezvoltarea componentelor grafice, acest lucru se datorează apariției unui număr mare de tipuri de GPU. În timp ce înainte orice computer trebuia echipat cu grafică discretă pentru a avea acces la jocuri sau alte aplicații grafice, acum această sarcină poate fi îndeplinită de IGP - un procesor grafic integrat.

Aproape fiecare computer (cu excepția serverelor) este acum echipat cu grafică integrată, fie că este vorba despre laptop sau desktop. Procesorul video în sine este încorporat în procesor, ceea ce poate reduce semnificativ consumul de energie și prețul dispozitivului în sine. În plus, astfel de grafice pot fi în alte subtipuri, de exemplu: discrete sau hibrid-discrete.

Prima variantă presupune cea mai scumpă soluție, lipirea pe placa de bază sau un modul mobil separat. A doua opțiune se numește hibrid dintr-un motiv, de fapt, folosește o memorie video mică, care este lipită pe placă, dar, în același timp, este capabilă să o extindă în detrimentul memoriei RAM.

Desigur, astfel de soluții grafice nu pot ajunge din urmă cu plăcile video discrete cu drepturi depline, dar deja acum arată rezultate destul de bune. În orice caz, dezvoltatorii au multe pentru care să lupte, poate că o astfel de decizie este viitorul.

Ei bine, despre asta am, poate, totul. Sper că v-a plăcut articolul! Aștept cu nerăbdare să te revăd pe blogul meu. Multă baftă. Pa! Pa!

În acest articol, puteți obține o explicație că GPU-ul dintr-un computer este un procesor grafic sau, după cum le place multor oameni, o placă video. Poate fi încorporat sau discret. În funcție de, puteți alege răcirea necesară și alimentația decentă.

GPU integrat

Placa grafică integrată se află pe placa de bază sau în procesor. Doar pentru că este GPU-ul din computerul tău nu înseamnă că trebuie să rulezi jocuri sau filme solicitante la calitate înaltă. Cert este că plăcile video de acest tip sunt proiectate să funcționeze cu aplicații simple care nu necesită resurse mari. În plus, nu consumă multă energie.

În ceea ce privește cantitatea de memorie, GPU-ul integrat în computer folosește cantitatea și frecvența RAM pentru a funcționa.

Majoritatea utilizatorilor folosesc plăci de acest tip doar pentru a instala drivere pe o placă video discretă.

GPU discret

O vedere discretă a unui GPU într-un computer - ce este? Spre deosebire de un procesor grafic integrat, plăcile video discrete sunt un modul separat care constă din procesorul însuși, mai multe radiatoare, răcitoare de răcire, cipuri de memorie, condensatoare și, în cazul unei puteri crescute, răcire cu apă.

Astfel de plăci video pot fi atât pentru jocuri, cât și pentru birou. De exemplu, pentru producătorul Invidia, acestea diferă în seria de lansări. GT630 este un model de birou, iar GTX660 este numit model de gaming. Primul număr indică generarea GPU-ului, iar următoarele două indică seria. Numerotarea seriei până la 50 indică faptul că echipamentul este de birou, iar de la 50 la 90 - acestea sunt cărți de joc. Mai mult, cu cât numărul este mai mare, cu atât cipul este utilizat mai eficient în placa video. Prefixul sub forma literei „X” înseamnă prezentare la categoria de jocuri, deoarece astfel de plăci video au potențial de overclock. Au nevoie și de o sursă suplimentară de alimentare separată, deoarece resursele lor consumă multă energie. Acum există o idee generală că acesta este GPU-ul din computer.

În ceea ce privește Radeon, sistemul lor de identificare este foarte simplu. Într-un sistem cu patru cifre, prima cifră este pentru generație, a doua pentru serie, iar ultimele două cifre indică succesiunea modelului. Ei sunt responsabili pentru distincția dintre reprezentanții de birou și reprezentanții discreți.

Temperatura normală a GPU-ului într-un computer

Pentru o funcționare normală, procesorul trebuie să mențină o temperatură optimă, iar pentru fiecare componentă are o temperatură proprie. În ceea ce privește GPU-ul, temperatura de funcționare a acestuia nu depășește de obicei 65 de grade. Cipul poate rezista la încălzire până la 90 de grade, dar este mai bine să nu permiteți acest lucru, altfel componentele cipul video sunt supuse distrugerii.

Mai multe componente ale plăcii video sunt responsabile pentru temperatura normală - acestea sunt grăsimea termică, răcitoarele, radiatoarele și sistemul de alimentare.

Unsoarea termică trebuie schimbată în mod regulat deoarece se întărește în timp și își pierde funcția de răcire. Înlocuirea acestuia nu durează mult timp - este suficient să îndepărtați resturile de pastă veche și să aplicați cu atenție una nouă.

O altă modalitate de a scădea temperatura GPU-ului din computer este să faci alegerea corectă a coolerelor. Orice placă video pentru jocuri este echipată cu una până la trei coolere. Cu cât sunt mai multe ventilatoare, cu atât radiatoarele se vor răci mai bine. În ceea ce privește reprezentanții birourilor, producătorii plasează în principal pe plăci doar radiatoare sau un răcitor.

Putere GPU

GPU-urile integrate nu au nevoie de putere suplimentară, dar GPU-urile discrete necesită o sursă de alimentare mai puternică. Plăcile grafice de birou vor funcționa bine cu o unitate de 450 de wați. Plăcile grafice detașabile necesită o sursă de alimentare de peste 500 de wați. Dacă îl selectați corect, puteți elibera pe deplin potențialul plăcii video. Mai mult, sistemul de răcire al unei plăci video discrete va funcționa mai bine cu o sursă de alimentare suficientă.

Nutriția joacă un rol important. Fără un GPU, este imposibil să afișați o imagine pe ecran. Pentru a vedea cum este afișată placa video în sistem, trebuie doar să accesați panoul de control și să deschideți fila „Adaptoare video”. Dacă este afișat mesajul „Dispozitiv nerecunoscut”, atunci trebuie să instalați drivere pentru GPU. După instalarea driverelor, modelul cardului va fi afișat corect în sistem.

CPU și GPU sunt foarte asemănătoare între ele. Ambele sunt formate din milioane de tranzistori, capabili de mii de operații pe secundă și se pretează. Dar care este diferența dintre CPU și GPU?

Ce este un procesor?

CPU (Central Processing Unit) este unitatea centrală de procesare, cu alte cuvinte, „creierul” computerului. Este o colecție de câteva milioane de tranzistori care pot efectua calcule complexe. Procesorul standard are unul până la patru nuclee tactate la 1 până la 4 GHz, deși recent.

Un procesor este un dispozitiv suficient de puternic care poate îndeplini orice sarcină pe un computer. Numărul de nuclee și viteza de ceas a procesorului este una dintre cheie

Ce este GPU?

GPU (Graphics Processing Unit) este un tip specializat de microprocesor care este optimizat pentru afișarea graficelor și rezolvarea unor sarcini specifice. Viteza de ceas a GPU-ului este semnificativ mai mică decât a procesorului, dar de obicei are mai multe nuclee.

Care este diferența dintre CPU și GPU?

GPU-ul poate efectua doar o fracțiune din numeroasele operațiuni ale procesorului, dar o face cu o viteză incredibilă. Un GPU folosește sute de nuclee de calcul în timp real pentru a afișa mii de pixeli pe un monitor. Acest lucru permite ca grafica complexă a jocului să fie afișată fără probleme.

Cu toate acestea, procesoarele sunt mai flexibile decât GPU-urile. Unitățile centrale de procesare au un set de instrucțiuni mai mare, astfel încât acestea pot gestiona o gamă mai largă de sarcini. CPU-urile funcționează la frecvențe maxime mai mari și pot controla intrarea și ieșirea tuturor componentelor computerului. CPU-urile sunt capabile să gestioneze memoria virtuală, care este necesară pentru sistemele de operare moderne, dar GPU-urile nu sunt.

Câteva despre calculul GPU

Deși GPU-urile sunt cele mai bune pentru redarea video, ele sunt capabile din punct de vedere tehnic să facă mai mult. Procesarea grafică este doar un tip de sarcini repetitive și extrem de paralele. Alte sarcini, cum ar fi minarea Bitcoin sau atacurile cu forță brută, se bazează pe aceleași tipuri de seturi mari de date și operațiuni matematice. Acesta este motivul pentru care mulți oameni folosesc GPU-uri în scopuri „non-grafice”.

Rezultat

CPU-urile și GPU-urile au scopuri similare, dar sunt optimizate pentru diferite sarcini de calcul. Aceasta este diferența dintre CPU și GPU. Pentru o funcționare corectă și eficientă, un computer trebuie să aibă ambele tipuri de microprocesoare.

Cipul principal de pe placa de bază este unitatea centrală de procesor (CPU). Central, deoarece controlează toate celelalte subsisteme folosind sistemul de magistrală și chipset-ul.

Subsistemul care controlează vizualizarea și afișarea informațiilor pe ecran se numește sistem video. Se integreaza in placa de baza printr-un slot pentru placa grafica. O placă video este o soluție de inginerie și este o placă cu procesor propriu (deci GPU) și RAM.

GPU NVidia Nv45 pe o placă video

Procesorul de pe placa grafică se numește GPU (Graphic Processor Unit) pentru a sublinia:

1. Ce este acest procesor.
2. Că nu este central, adică un sclav al procesorului.
3. Că se concentrează pe prelucrarea datelor speciale - grafică.

Poziționarea GPU-ului pe placa de bază

Deoarece procesarea grafică este o specializare în prelucrarea datelor, un GPU este un procesor specializat. În mod logic, specializarea se exprimă prin separarea GPU-ului de CPU, fizic - prin faptul că GPU-ul este structurat diferit.

CPU conține zeci de nuclee, GPU - mii

Această implementare GPU fizică este justificată de necesitatea de a gestiona mii de sarcini paralele legate de randarea. CPU este orientat spre procesarea datelor - sarcini lungi și secvențiale.

Un CPU (CPU) modern poate include o unitate de procesare grafică.

Procesor quad-core cu nucleu grafic opțional GPU

Această soluție permite computerului să se descurce fără o placă video datorită GPU-ului încorporat în procesorul central. Acest lucru reduce consumul de energie cu 30 până la 180%. În acest caz, costul procesorului crește cu cel mult 20%.

Principalul dezavantaj al unei astfel de implementări este performanța scăzută. O astfel de soluție este potrivită pentru computerele de birou în care lucrează cu documente și baze de date, dar nu puteți rula un joc modern de calculator pe ea, Photoshop va încetini și AutoCAD poate îngheța strâns.

Cum să aflați GPU-ul într-un computer

Pentru utilizator, GPU-ul este puternic asociat cu o placă video, deși este doar un procesor. A ști ce adaptor grafic este instalat pe computer este util în trei cazuri:

• la instalarea sau actualizarea driverelor;
• la evaluarea unui computer pentru conformitatea cu cerințele de sistem ale software-ului;
• pentru a se arăta prietenilor.

Dacă toate driverele sunt instalate pe computer, atunci cea mai rapidă modalitate este să căutați în managerul de dispozitive, în secțiunea adaptoare video:

Vizualizați GPU în Manager dispozitive

Dacă driverele nu sunt instalate, managerul de dispozitive va afișa doar o inscripție despre dispozitive necunoscute:

GPU în Device Manager în absența driverelor

În acest caz, descărcați utilitarul CPU-Z, rulați-l și accesați fila „Grafica”:

GPU Viewer în programul CPU-Z

helpadmins.ru

Ce este GPU într-un computer?

Salutare tuturor, GPU este o desemnare pentru o placă video, mai precis, un procesor grafic. Acest cuvânt, ei bine, adică abrevierea poate fi găsită adesea în unele caracteristici, ei bine, de exemplu, în caracteristicile unui procesor Intel există așa ceva ca Integrated GPU, care înseamnă o placă video integrată. Ei bine, așa este, este într-adevăr încorporat, cipul video se află chiar în procesor, asta nu este o știre, așa cum ar fi

Adică, am făcut deja o concluzie, GPU-ul este vidyuha. Dar ce altceva este important de înțeles? Am scris că GPU-ul se găsește în caracteristici, totul este corect, dar pe lângă asta, îl găsiți și în programele care arată temperatura. Cred că știți astfel de programe... Ei bine, sau nu știți, pe scurt, în orice caz, ce voi scrie acum, vă va fi util să știți. Deci vorbim despre temperatura GPU-ului. Mulți oameni susțin că vidyuha poate funcționa la 80 de grade, dar eu declar că aceasta este o temperatură prea ridicată! Oricum, cred ca peste 70 nu este normal!

Apropo, GPU înseamnă Graphics Processing Unit

Și iată cipul grafic în sine, adică GPU-ul, așa că l-am indicat cu săgeți pe placă:

Dar care este temperatura normală atunci? Până la 60 de grade, ei bine, maxim 66, bine, 70 de grade este deja un plafon... Dar mai sus cred că acest lucru nu este foarte bun, doar o astfel de temperatură cu siguranță nu va prelungi durata de viață, ești de acord cu pe mine? Ei bine, și există, de asemenea, un punct interesant, pe scurt, dacă vidyukha se încălzește decent, atunci la naiba, își aruncă și căldura în carcasă, ei bine, evident că nu va fi rece în ea, apoi procesul se va fierbinte, pe scurt, distracție! Amintiți-vă că TEMPERATURA este cea care poate reduce durata de viață a dispozitivului! Pe plăcile de bază vechi, condensatorii electrolitici au explodat de la temperaturi ridicate.. Dacă nu crezi, poți să-l cauți singur pe Internet..

Ei bine, spune-mi, ai înțeles totul aici? Sincer, asa sper! Ei bine, dacă ceva nu merge bine, ei bine, îmi pare rău!

La principal! placa video 17.05.2017

virtmachine.ru

Ce înseamnă GPU?

GPU (placă video pentru unitatea de procesare grafică)

GPU (unitatea de procesare grafică) este un dispozitiv de înaltă tehnologie responsabil cu procesarea graficelor în computere, laptopuri, telefoane mobile. GPU-urile moderne au o arhitectură specializată în pipeline, ceea ce le face foarte eficiente la procesarea informațiilor grafice în comparație cu o unitate centrală de procesare tipică. Poate fi folosit atât ca parte a unei plăci video discrete, cât și în soluții integrate (încorporate în podul de nord sau într-un procesor hibrid).

Principalele diferențe dintre GPU și CPU:

1. Arhitectură (accent maxim pe procesarea texturilor grafice)
2. Set limitat de comenzi executive

Viteza mare și puterea procesoarelor GPU în acest moment se explică prin particularitățile arhitecturii construcției. Dacă procesoarele moderne constau din 2-6 nuclee, atunci GPU-ul este considerat o structură cu mai multe nuclee care utilizează până la sute de nuclee simultan. CPU-ul preia procesarea informațiilor secvenţial, iar GPU-ul este proiectat pentru lucru paralel cu mai multe fire cu o serie de informații.

windows-gadjet.ru

Ce este un GPU și pentru ce este

Un procesor grafic sau în engleză GPU - Graphics Processing Unit este un dispozitiv care este un microcircuit, un cip care face parte dintr-un adaptor video (placă video) sau o placă de bază.

GPU-ul este responsabil pentru construirea (redarea) imaginii.

Simplistic, rolul și semnificația GPU-ului pot fi descrise după cum urmează:

GPU-ul primește date de la unitatea centrală de procesare (CPU) pentru procesarea necesară pentru a construi o imagine, apoi o prelucrează și o pregătește pentru operațiuni ulterioare, accelerând astfel foarte mult procesul de formare a imaginii și reducând sarcina procesorului central.

GPU-ul este o componentă opțională și poate fi gestionată de procesorul central.

Spre deosebire de un procesor central, un procesor grafic, datorită diferenței de arhitecturi (structuri, dispozitive), este capabil să proceseze anumite tipuri de operații de zeci, sute, mii de ori mai rapid, de exemplu, procesarea datelor pentru construirea unei imagini și nu numai .

Un GPU poate fi discret, adică poate face parte dintr-o placă video care este proiectată ca o placă de expansiune (dispozitiv) instalată într-un slot de expansiune al plăcii de bază, caz în care toate componentele suplimentare sunt amplasate pe o singură placă de circuit imprimat, care poate fi îndepărtat sau înlocuit cu ușurință în orice moment.

Sau este integrat, parte a plăcii de bază a dispozitivului în sine, caz în care GPU-ul este amplasat pe placa de bază, toate componentele suplimentare sunt situate în apropiere. Este folosit în computere personale, smartphone-uri, console de jocuri și așa mai departe.

19-06-2017, 20:38 Detaliook

www.detaillook.com

Comparație GPU NVIDIA vs GPU vs CPU

Cloud computing a revoluționat toate industriile prin democratizarea centrelor de date și prin schimbarea completă a modului în care operează întreprinderile. Cele mai importante active ale companiei sunt acum stocate în cloud-ul furnizorului ales de dvs. Cu toate acestea, pentru a profita la maximum de datele dvs., aveți nevoie de o soluție de calcul adecvată de înaltă performanță.

Software-ul NVIDIA Deep Learning este conceput pentru a oferi performanțe de vârf pe cele mai rapide GPU-uri din lume, cu cadre optimizate de învățare profundă, biblioteci, drivere și sisteme de operare și este un software unificat care rulează pe o varietate de platforme de calcul de la grafica TITAN X și GeForce GTX 1080Ti. la sistemele DGX și cloud și este disponibil non-stop.

GPU Cloud Computing este, de asemenea, disponibil la cerere pe toate platformele majore de cloud.

CUM APLICAȚIILE OBȚINE ACCELERARE GPU

GPU-ul se ocupă de părțile aplicației cu consum mare de energie de procesare, în timp ce restul aplicației rulează pe CPU. Din punctul de vedere al utilizatorului, aplicația pur și simplu rulează semnificativ mai rapid.

O modalitate ușoară de a înțelege diferența dintre GPU-uri și procesoare este de a compara modul în care efectuează sarcinile. CPU este alcătuit din mai multe nuclee optimizate pentru procesare secvențială, în timp ce GPU-ul are mii de nuclee mai mici, mai eficiente din punct de vedere energetic, construite pentru a îndeplini mai multe sarcini în același timp.

GPU este format din mii de nuclee pentru procesarea eficientă a sarcinilor paralele

Urmărește videoclipul de mai jos pentru o comparație între GPU-uri și procesoare

Videoclip: „MythBusters prezintă puterea GPU versus CPU-ul” (01:34)

Peste 400 de aplicații - inclusiv 9 din primele 10 aplicații HPC - sunt deja accelerate de GPU, permițând tuturor utilizatorilor GPU să experimenteze îmbunătățiri dramatice de performanță pentru sarcinile lor. Verificați catalogul nostru de aplicații pentru a vedea dacă aplicația cu care lucrați este accelerată GPU (PDF 1,9 MB).

Există trei metode principale de a adăuga accelerarea GPU la aplicația dvs.:

• Utilizați biblioteci optimizate pentru GPU
• Adăugați directive sau „sfaturi” la compilator pentru a vă paraleliza automat codul
• Utilizați extensii pentru limbaje de programare pe care le cunoașteți deja, cum ar fi C și Fortran

Este foarte ușor să înveți cum să folosești un GPU cu modelul de programare paralelă CUDA.

Cursuri online gratuite și resurse pentru dezvoltatori sunt disponibile în Zona CUDA.