GPU në një kompjuter - çfarë është ajo, varietetet. GPU kundër CPU: Pse GPU-të përdoren për të analizuar të dhënat financiare

Njësia e përpunimit grafik (GPU) është një shembull kryesor se si një teknologji e krijuar për detyrat e përpunimit grafik është përhapur në sferën e palidhur të informatikës me performancë të lartë. GPU-të e sotme janë në qendër të shumë prej projekteve më komplekse në mësimin e makinerive dhe analizën e të dhënave. Në artikullin tonë të përmbledhjes, ne do të eksplorojmë se si klientët Selectel përdorin harduerin GPU dhe do të mendojnë për të ardhmen e shkencës së të dhënave dhe pajisjeve kompjuterike me fakultetin e Shkollës së Analizës së të Dhënave Yandex.

GPU-të kanë ndryshuar shumë në dhjetë vitet e fundit. Përveç rritjes së madhe të performancës, kishte një ndarje të pajisjeve sipas llojit të përdorimit. Pra, kartat video për sistemet e lojërave në shtëpi dhe instalimet e realitetit virtual ndahen në një drejtim të veçantë. Shfaqen pajisje të fuqishme shumë të specializuara: një nga përshpejtuesit kryesorë për sistemet e serverëve është NVIDIA Tesla P100, i krijuar posaçërisht për përdorim industrial në qendrat e të dhënave. Përveç GPU-së, kërkimet po kryhen në mënyrë aktive në fushën e krijimit të një lloji të ri procesori që imiton punën e trurit. Një shembull është platforma me një çip Kirin 970 me procesorin e vet neuromorfik për detyrat që lidhen me rrjetet nervore dhe njohjen e modeleve.

Kjo situatë na bën të mendojmë për pyetjet e mëposhtme:

• Pse fusha e analizës së të dhënave dhe mësimit të makinerive është bërë kaq popullore?
• Si arritën që GPU-të të dominojnë tregun e harduerit me të dhëna intensive?
• Cili hulumtim në fushën e analizës së të dhënave do të jetë më premtuesi në të ardhmen e afërt?

Le të përpiqemi t'i trajtojmë këto çështje në rend, duke filluar me procesorët e parë të thjeshtë video dhe duke përfunduar me pajisjet moderne me performancë të lartë.

Epoka e GPU

Së pari, le të kujtojmë se çfarë është një GPU. Njësia e Përpunimit të Grafikës është një njësi përpunimi grafike e përdorur gjerësisht në sistemet desktop dhe server. Një tipar dallues i kësaj pajisjeje është fokusi i saj në llogaritjen masive paralele. Ndryshe nga procesorët grafik, arkitektura e një moduli tjetër kompjuterik, CPU (Central Processor Unit), është projektuar për përpunimin sekuencial të të dhënave. Nëse numri i bërthamave në një CPU konvencionale matet me dhjetëra, atëherë në GPU ato numërohen në mijëra, gjë që imponon kufizime në llojet e instruksioneve të ekzekutuara, por siguron performancë të lartë llogaritëse në detyrat që përfshijnë paralelizëm.

Hapat e parë

Zhvillimi i video procesorëve në fazat e hershme ishte i lidhur ngushtë me nevojën në rritje për një pajisje të veçantë llogaritëse për përpunimin e grafikës dy dhe tredimensionale. Para ardhjes së qarqeve të veçanta të kontrolluesve të videove në vitet '70, dalja e imazhit u krye përmes përdorimit të logjikës diskrete, e cila ndikoi në rritjen e konsumit të energjisë dhe madhësive të mëdha të bordit të qarkut të printuar. Mikroqarqet e specializuara bënë të mundur që të veçohet zhvillimi i pajisjeve të krijuara për të punuar me grafikë në një drejtim të veçantë.

Ngjarja tjetër revolucionare ishte shfaqja e një klase të re të pajisjeve më komplekse dhe shumëfunksionale - procesorë video. Në 1996, 3dfx Interactive lëshoi ​​çipset Voodoo Graphics, i cili shpejt mori mbi 85% të tregut të dedikuar të videove dhe u bë lider në grafikat 3D në atë kohë. Pas një sërë vendimesh të pasuksesshme nga menaxhmenti i kompanisë, ndër të cilat ishte blerja e prodhuesit të kartave video STB, 3dfx humbi epërsinë ndaj NVIDIA dhe ATI (më vonë AMD), dhe në 2002 shpalli falimentimin.

Llogaritja e përgjithshme GPU

Në vitin 2006, NVIDIA njoftoi lëshimin e linjës së produkteve të serisë GeForce 8, e cila lançoi një klasë të re pajisjesh të dizajnuara për llogaritjen e njësisë së përpunimit të grafikut të përgjithshëm (GPGPU). Gjatë zhvillimit, NVIDIA kuptoi se më shumë bërthama që funksionojnë me një frekuencë më të ulët janë më efikase për ngarkesa paralele sesa një numër më i vogël bërthamash më të shpejta. Përpunuesit e videove të gjeneratës së ardhshme kanë ofruar mbështetje kompjuterike paralele jo vetëm për përpunimin e transmetimeve video, por edhe për problemet që lidhen me mësimin e makinerive, algjebrën lineare, statistikat dhe detyra të tjera shkencore ose tregtare.

Udhëheqës i njohur

Dallimet në caktimin fillestar të detyrave për CPU dhe GPU kanë çuar në dallime të konsiderueshme në arkitekturën e pajisjeve - me frekuencë të lartë kundrejt multi-core. Për procesorët grafikë, kjo hodhi themelet për potencialin informatik, i cili është duke u realizuar plotësisht në kohën e tanishme. Procesorët video me një numër mbresëlënës bërthamash kompjuterike më të dobëta bëjnë një punë të shkëlqyer me llogaritjen paralele. Procesori qendror, i krijuar historikisht për të punuar me detyra të njëpasnjëshme, mbetet më i miri në fushën e tij.

Për shembull, le të krahasojmë vlerat në performancën e procesorëve qendror dhe grafik kur kryejmë një detyrë të zakonshme në rrjetet nervore - shumëzimin e matricave të rendit të lartë. Le të zgjedhim pajisjet e mëposhtme për testim:

• CPU. Intel Xeon E5-2680 v4 - 28 fije me HyperThreading, 2.4 GHZ;
• GPU. NVIDIA GTX 1080 - 2560 bërthama CUDA, 1607 Mhz, 8 GB GDDR5X.

Le të përdorim një shembull të shumëzimit të matricës llogaritëse në CPU dhe GPU në Jupyter Notebook:

Në kodin e mësipërm, ne matim kohën që iu desh për të llogaritur matricat e të njëjtit rend në CPU ose GPU ("Koha e Ekzekutimit"). Të dhënat mund të paraqiten në formën e një grafiku, në të cilin boshti horizontal paraqet rendin e matricave të shumëzuara, dhe ai vertikal tregon kohën e ekzekutimit në sekonda:

Linja e grafikut e theksuar në portokalli tregon kohën që duhet për të krijuar të dhëna në RAM-in konvencional, për ta transferuar atë në memorien GPU dhe më pas për të kryer llogaritjet. Vija e gjelbër tregon kohën që duhet për të llogaritur të dhënat që janë krijuar tashmë në memorien e kartës video (pa transferuar nga RAM). Blu përfaqëson kohën e numërimit në CPU. Matricat e renditjes me më pak se 1000 elementë shumëzohen në GPU dhe CPU pothuajse në të njëjtën kohë. Diferenca e performancës shfaqet mirë me matricat më të mëdha se 2000 deri në vitin 2000, kur koha e llogaritjes në CPU hidhet në 1 sekondë, ndërsa GPU qëndron afër zeros.

Detyrat më komplekse dhe praktike zgjidhen në mënyrë më efikase në një pajisje me GPU sesa pa to. Meqenëse problemet që klientët tanë zgjidhin në pajisjet GPU janë shumë të ndryshme, vendosëm të zbulojmë se cilat janë rastet më të njohura të përdorimit.

Kush në Selectel jeton mirë me një GPU?

Opsioni i parë që vjen menjëherë në mendje dhe rezulton të jetë një supozim i saktë është minierat, por është kurioze të theksohet se disa e përdorin atë si një mënyrë ndihmëse për të ngarkuar pajisjet në "maksimum". Në rastin e marrjes me qira të një serveri të dedikuar me karta video, koha e lirë nga ngarkesat e punës përdoret për prodhimin e kriptomonedhave që nuk kërkojnë instalime (ferma) të specializuara për t'i marrë ato.

Tashmë klasike deri në një farë mase, detyrat që lidhen me përpunimin dhe paraqitjen grafike e gjejnë gjithmonë vendin e tyre në serverët Selectel me përshpejtues grafikë. Përdorimi i pajisjeve me performancë të lartë për detyra të tilla ju lejon të merrni një zgjidhje më efikase sesa organizimi i stacioneve të punës të dedikuara me karta video.

Gjatë bisedës me klientët tanë, ne u njohëm edhe me përfaqësues të Shkollës Yandex të Analizës së të Dhënave, e cila përdor fuqinë e Selectel për të organizuar mjedise mësimore testuese. Vendosëm të mësojmë më shumë rreth asaj që po bëjnë studentët dhe mësuesit, cilat fusha të mësimit të makinerive janë tani të njohura dhe çfarë do të presë e ardhmja për industrinë pasi specialistët e rinj të bashkohen në radhët e organizatave kryesore ose të lançojnë startup-et e tyre.

shkenca e të dhënave

Ndoshta, mes lexuesve tanë ka nga ata që nuk do të dëgjonin shprehjen "rrjetet nervore" ose "mësimi me makinë". Duke hedhur poshtë variacionet e marketingut në këto fjalë, përfundimi është një shkencë e të dhënave e sapolindur dhe premtuese.

Qasja moderne për të punuar me të dhëna përfshin disa fusha kryesore:

• Big Data (Big Data). Problemi kryesor në këtë fushë është sasia e madhe e informacionit që nuk mund të përpunohet në një server të vetëm. Nga pikëpamja e mbështetjes së infrastrukturës, kërkohet të zgjidhen problemet e krijimit të sistemeve të grupimeve, shkallëzueshmërisë, tolerancës ndaj gabimeve dhe ruajtjes së të dhënave të shpërndara;
• Detyra me burime intensive (Mësimi i makinës, mësimi i thellë dhe të tjera). Në këtë rast, shtrohet çështja e përdorimit të llogaritjeve me performancë të lartë që kërkon një sasi të madhe RAM dhe burime procesori. Në detyra të tilla, sistemet me përshpejtues grafikë përdoren në mënyrë aktive.

Linja midis këtyre dy drejtimeve gradualisht po mjegullohet: mjetet kryesore për të punuar me të dhëna të mëdha (Hadoop, Spark) po prezantojnë mbështetje për llogaritjen në GPU, dhe detyrat e mësimit të makinerive mbulojnë zona të reja dhe kërkojnë sasi më të mëdha të të dhënave. Mësuesit dhe studentët e Shkollës së Analizës së të Dhënave do të na ndihmojnë për të kuptuar më në detaje.

Është e vështirë të mbivlerësohet rëndësia e punës kompetente me të dhënat dhe zbatimi i duhur i mjeteve të avancuara analitike. Këtu nuk bëhet fjalë as për të dhëna të mëdha, për “liqenet” apo “lumenjtë” e tyre, por për ndërveprimin intelektual me informacionin. Ajo që po ndodh tani është një situatë unike: ne mund të mbledhim një larmi informacioni dhe të përdorim mjete dhe shërbime të avancuara për analiza të thella. Bizneset zbatojnë teknologji të tilla jo vetëm për të marrë analitikë të avancuar, por edhe për të krijuar një produkt unik në çdo industri. Është pika e fundit që formon dhe stimulon kryesisht rritjen e industrisë së analizës së të dhënave.

Drejtim i ri

Kudo jemi të rrethuar nga informacione: nga regjistrat e kompanive të internetit dhe transaksionet bankare te provat në eksperimentet në Përplasësin e Madh të Hadronit. Aftësia për të punuar me këto të dhëna mund të sjellë miliona fitime dhe të japë përgjigje për pyetjet themelore në lidhje me strukturën e universit. Prandaj, analiza e të dhënave është bërë një fushë e veçantë e kërkimit midis biznesit dhe komunitetit shkencor.

Shkolla e Analizës së të Dhënave përgatit specialistët dhe shkencëtarët më të mirë të specializuar, të cilët në të ardhmen do të bëhen burimi kryesor i zhvillimeve shkencore dhe industriale në këtë fushë. Zhvillimi i industrisë ndikon tek ne si ofrues infrastrukture pasi gjithnjë e më shumë klientë kërkojnë konfigurimin e serverit për detyrat e analizës së të dhënave.

Specifikat e detyrave me të cilat përballen klientët tanë përcaktojnë se çfarë pajisje duhet t'u ofrojmë klientëve dhe në cilin drejtim duhet të zhvillojmë linjën tonë të produkteve. Së bashku me Stanislav Fedotov dhe Oleg Ivchenko, ne intervistuam studentë dhe mësues të Shkollës së Analizës së të Dhënave dhe zbuluam se cilat teknologji përdorin për të zgjidhur problemet praktike.

Teknologjitë e analizës së të dhënave

Gjatë trajnimit, studentët nga bazat (matematika e lartë bazë, algoritmet dhe programimi) arrijnë në fushat më të avancuara të mësimit të makinerive. Ne mblodhëm informacione për ato që përdorin serverë GPU:

• Mësimi i thellë;
• Të mësuarit përforcues;
• vizion kompjuterik;
• Përpunimi automatik i tekstit.

Studentët përdorin mjete të specializuara në detyrat e tyre studimore dhe kërkimore. Disa biblioteka janë krijuar për të sjellë të dhënat në formën e dëshiruar, të tjerat janë krijuar për të punuar me një lloj specifik informacioni, si teksti ose imazhet. Të mësuarit e thellë është një nga fushat më komplekse në analizën e të dhënave që përdor në mënyrë aktive rrjetet nervore. Ne vendosëm të zbulonim se cilat korniza përdorin mësuesit dhe studentët për të punuar me rrjetet nervore.

Mjetet e paraqitura kanë mbështetje të ndryshme nga krijuesit, por megjithatë ato vazhdojnë të përdoren në mënyrë aktive për qëllime edukative dhe pune. Shumë prej tyre kërkojnë pajisje me performancë të lartë për të përpunuar detyrat në kohën e duhur.

Zhvillim dhe projekte të mëtejshme

Si çdo shkencë, drejtimi i analizës së të dhënave do të ndryshojë. Përvoja që studentët marrin sot padyshim do të jetë baza e zhvillimeve të ardhshme. Prandaj, vlen të përmendet veçmas orientimi i lartë praktik i programit - disa studentë, gjatë ose pas studimeve të tyre, fillojnë të stërviten në Yandex dhe të zbatojnë njohuritë e tyre tashmë në shërbimet dhe shërbimet reale (kërkimi, vizioni kompjuterik, njohja e të folurit, etj. ).

Ne folëm për të ardhmen e analizës së të dhënave me mësues nga Shkolla e Analizës së të Dhënave, të cilët ndanë me ne vizionin e tyre për zhvillimin e shkencës së të dhënave.

Sipas Vlad Shakhuro, mësues i lëndës “Analiza e imazheve dhe videove”, detyrat më interesante në vizionin kompjuterik janë siguria në vende të mbushura me njerëz, drejtimi i një automjeti pa pilot dhe krijimi i një aplikacioni duke përdorur realitetin e shtuar. Për të zgjidhur këto probleme, është e nevojshme të jeni në gjendje të analizoni në mënyrë cilësore të dhënat video dhe të zhvilloni, para së gjithash, algoritme për zbulimin dhe gjurmimin e objekteve, njohjen e një personi nga fytyra dhe rindërtimin tredimensional të skenës së vëzhguar. Mësues Victor Lempitsky, drejtuesi i kursit Deep Learning, veçon në drejtimin e tij autoenkoderët, si dhe rrjetet gjeneruese dhe kundërshtare.

Një nga mentorët e Shkollës së Analizës së të Dhënave ndan mendimin e tij për përhapjen dhe fillimin e përdorimit masiv të mësimit të makinerive:

“Mësimi i makinerisë është shndërruar nga domeni i disa studiuesve obsesivë në një mjet tjetër për zhvilluesit mesatarë. Më parë (për shembull, në 2012), njerëzit shkruanin kode të nivelit të ulët për të trajnuar rrjetet konvolucionale në një palë karta video. Tani, çdokush mundet brenda pak orësh:

• shkarkoni peshat e një rrjeti nervor tashmë të trajnuar (për shembull, në keras);
• përdorni atë për të bërë një zgjidhje për detyrën tuaj (rregullimi i imët, mësimi me zero-shot);
• futeni atë në faqen tuaj të internetit ose aplikacionin celular (tensorflow / caffe 2).

Shumë kompani të mëdha dhe startup kanë përfituar tashmë nga një strategji e tillë (për shembull, Prisma), por ka ende më shumë detyra për t'u zbuluar dhe zgjidhur. Dhe mbase e gjithë kjo histori e makinës / mësimit të thellë një ditë do të bëhet aq e zakonshme sa është tani python ose excel.

Askush nuk mund të parashikojë me saktësi teknologjinë e së ardhmes sot, por kur ka një vektor të caktuar lëvizjeje, mund të kuptoni se çfarë duhet studiuar tani. Dhe ka shumë mundësi për këtë në botën moderne.

Mundësi për fillestarët

Studimi i analizës së të dhënave është i kufizuar nga kërkesat e larta për studentët: njohuri të gjera në fushën e matematikës dhe algoritmeve, aftësia për programim. Detyrat vërtet serioze të mësimit të makinerive tashmë kërkojnë pajisje të specializuara. Dhe për ata që duan të mësojnë më shumë rreth komponentit teorik të shkencës së të dhënave, Shkolla e Analizës së të Dhënave, së bashku me Shkollën e Lartë të Ekonomisë, nisën një kurs online "".

Në vend të një përfundimi

Rritja e tregut të GPU-ve mbështetet nga interesi në rritje për aftësitë e pajisjeve të tilla. GPU përdoret në lojërat në shtëpi, detyrat e interpretimit dhe përpunimit të videos dhe ku kërkohet llogaritja e përgjithshme me performancë të lartë. Zbatimi praktik i detyrave të nxjerrjes së të dhënave do të depërtojë gjithnjë e më thellë në jetën tonë të përditshme. Dhe ekzekutimi i programeve të tilla kryhet në mënyrë më efektive me ndihmën e GPU.

Falenderojmë klientët tanë, si dhe mësuesit dhe studentët e Shkollës së Analizës së të Dhënave për përgatitjen e përbashkët të materialit dhe ftojmë lexuesit tanë t'i njohin më mirë.

Dhe për përvojë dhe përvojë në fushën e mësimit të makinerive, analizës së të dhënave dhe jo vetëm, ne ju ofrojmë të shikoni Selectel për marrjen me qira të pajisjeve të serverit me përshpejtues grafikë: nga GTX 1080 e thjeshtë deri te Tesla P100 dhe K80 për detyrat më të vështira.

Ditë të mbarë për të gjithë, miqtë e mi të dashur dhe të ftuar të blogut tim. Sot do të doja të flisja pak për harduerin e kompjuterëve tanë. Ju lutem më tregoni, a keni dëgjuar për një gjë të tillë si GPU? Rezulton se shumë njerëz thjesht dëgjojnë një shkurtim të tillë për herë të parë.

Pavarësisht se sa e rëndomtë mund të tingëllojë, por sot jetojmë në epokën e teknologjisë kompjuterike dhe ndonjëherë është e vështirë të gjesh një person që nuk e di se si funksionon një kompjuter. Kështu, për shembull, mjafton që dikush të kuptojë se kompjuteri funksionon falë njësisë qendrore të përpunimit (CPU).

Dikush do të shkojë më tej dhe do të zbulojë se ka edhe një GPU të caktuar. Një shkurtim kaq i ndërlikuar, por i ngjashëm me atë të mëparshëm. Pra, le të kuptojmë se çfarë është një GPU në një kompjuter, çfarë janë ato dhe çfarë ndryshimesh ka me një CPU.

Jo një ndryshim i madh

Me fjalë të thjeshta, një GPU është një njësi përpunimi grafik, ndonjëherë quhet një kartë video, e cila është pjesërisht një gabim. Një kartë video është një pajisje përbërëse e gatshme, e cila përfshin procesorin që po përshkruajmë. Ai është i aftë të përpunojë komanda për gjenerimin e grafikave 3D. Vlen të përmendet se është një element kyç për këtë, shpejtësia dhe aftësitë e ndryshme të sistemit video në tërësi varen nga fuqia e tij.

GPU ka veçoritë e veta dalluese në krahasim me CPU-në e tij tjetër. Dallimi kryesor qëndron në arkitekturën mbi të cilën është ndërtuar. Arkitektura e GPU-së është ndërtuar në atë mënyrë që ju lejon të përpunoni sasi të mëdha të dhënash në mënyrë më efikase. CPU, nga ana tjetër, përpunon të dhënat dhe detyrat në mënyrë sekuenciale. Natyrisht, kjo veçori nuk duhet të merret si minus.

Llojet e GPU-ve

Nuk ka shumë lloje të GPU-ve, njëra prej tyre quhet diskrete dhe përdoret në module të veçanta. Një çip i tillë është mjaft i fuqishëm, kështu që kërkon një sistem ftohës të radiatorëve, ftohës, ftohja e lëngshme mund të përdoret në sisteme veçanërisht të ngarkuara.

Sot mund të vëzhgojmë një hap të rëndësishëm në zhvillimin e komponentëve grafikë, kjo është për shkak të shfaqjes së një numri të madh të llojeve të GPU-ve. Nëse më parë çdo kompjuter duhej të pajisej me grafikë diskrete për të pasur akses në lojëra ose aplikacione të tjera grafike, tani një detyrë e tillë mund të kryhet nga IGP - një procesor grafik i integruar.

Grafikat e integruara tani ofrohen pothuajse me çdo kompjuter (me përjashtim të serverëve), qoftë ai një laptop apo kompjuter desktop. Vetë procesori video është i integruar në CPU, i cili mund të zvogëlojë ndjeshëm konsumin e energjisë dhe çmimin e vetë pajisjes. Për më tepër, grafika të tilla mund të jenë në nënspecie të tjera, për shembull: diskrete ose hibride-diskrete.

Opsioni i parë nënkupton zgjidhjen më të shtrenjtë, instalime elektrike në motherboard ose një modul të veçantë celular. Opsioni i dytë quhet hibrid për një arsye, në fakt, ai përdor një memorie të vogël video që është ngjitur në tabelë, por në të njëjtën kohë është në gjendje ta zgjerojë atë duke përdorur RAM.

Natyrisht, zgjidhje të tilla grafike nuk mund të jenë të barabarta me kartat video diskrete të plota, por edhe tani ajo tregon performancë mjaft të mirë. Në çdo rast, zhvilluesit kanë për çfarë të përpiqen, ndoshta e ardhmja qëndron me një vendim të tillë.

Epo, kjo është gjithçka që kam. Shpresoj se ju ka pëlqyer artikulli! Mezi pres t'ju shoh përsëri në blogun tim. Paç fat. Mirupafshim!

Në këtë artikull, mund të merrni një shpjegim se GPU në një kompjuter është një procesor grafik, ose, siç është e përshtatshme për shumë të thonë, një kartë video. Mund të jetë i integruar ose diskret. Në varësi të saj, ju mund të zgjidhni ftohjen e nevojshme dhe ushqimin e duhur.

GPU e integruar

Karta e integruar video ndodhet në motherboard ose në procesor. Vetëm për shkak se është një GPU në një kompjuter nuk do të thotë që ju duhet të ekzekutoni lojëra kërkuese ose filma me cilësi të lartë. Fakti është se kartat video të këtij lloji janë krijuar për të punuar me aplikacione të thjeshta që nuk kërkojnë burime të mëdha. Përveç kësaj, ata nuk konsumojnë një sasi të madhe të energjisë.

Sa i përket sasisë së memories, GPU-ja e integruar në kompjuter përdor sasinë dhe frekuencën e RAM-it për të punuar.

Shumica e përdoruesve përdorin karta të këtij lloji vetëm për të instaluar drejtuesit në një kartë grafike diskrete.

GPU diskrete

Lloji diskret i GPU-së në një kompjuter - çfarë është? Ndryshe nga një procesor grafik i integruar, kartat grafike diskrete janë një modul i veçantë që përbëhet nga vetë procesori, disa ftohës, ftohës ftohës, çipa memorie, kondensatorë dhe, në rast të rritjes së fuqisë, ftohja e ujit.

Kartat e tilla video mund të jenë si lojëra ashtu edhe zyra. Për shembull, tek prodhuesi Invidia, ato ndryshojnë në seritë e prodhimit. Këtu GT630 është një model zyre, dhe GTX660 quhet një model lojrash. Numri i parë tregon gjenerimin e GPU, dhe dy të ardhshëm tregojnë serinë. Numërimi deri në 50 seri tregon se pajisjet janë zyra, dhe nga 50 në 90 janë kartat e lojës. Për më tepër, sa më i madh të jetë numri, aq më produktiv përdoret çipi në kartën video. Parashtesa në formën e shkronjës "X" nënkupton një prezantim në kategorinë e lojërave, pasi kartat e tilla video kanë potencial mbingarkesë. Ata gjithashtu kërkojnë një furnizim të veçantë shtesë me energji elektrike, sepse burimet e tyre konsumojnë shumë energji. Tani ekziston një ide e përgjithshme që është një GPU në një kompjuter.

Sa për Radeon, sistemi i tyre i identifikimit është shumë i thjeshtë. Në një sistem katërshifror, shifra e parë është për gjenerimin, e dyta për serinë dhe dy shifrat e fundit tregojnë sekuencën e modelit. Janë ata që janë përgjegjës për dallimin ndërmjet përfaqësuesve të zyrës dhe atyre diskrete.

Temperatura normale e GPU-së në kompjuter

Për funksionimin normal, procesori duhet të mbahet në një temperaturë optimale, dhe për secilin komponent është i ndryshëm. Sa i përket GPU-së, temperatura e tij e funksionimit zakonisht nuk i kalon 65 gradë. Çipi mund të përballojë ngrohjen deri në 90 gradë, por është më mirë të mos e lejoni këtë, përndryshe përbërësit e çipit video shkatërrohen.

Disa përbërës të kartës video janë përgjegjës për temperaturën normale - këto janë pasta termike, ftohësit, radiatorët dhe sistemi i energjisë.

Pasta termike duhet të ndryshohet rregullisht pasi ngurtësohet me kalimin e kohës dhe humbet funksionin e saj ftohës. Zëvendësimi i tij nuk kërkon shumë kohë - thjesht hiqni mbetjet e pastës së vjetër dhe aplikoni me kujdes një të re.

Një mënyrë tjetër për të ulur temperaturën e GPU-së në kompjuterin tuaj është të zgjidhni ftohësit e duhur. Çdo kartë video e lojërave është e pajisur me ftohës nga një deri në tre pjesë. Sa më shumë tifozë, aq më mirë do të ftohen radiatorët. Për sa i përket përfaqësuesve të zyrave, prodhuesit kryesisht vendosin vetëm ftohës ose një ftohës në dërrasa.

Fuqia për GPU

GPU-të e integruara nuk kërkojnë energji shtesë, por GPU-të diskrete kërkojnë një furnizim më të fuqishëm me energji elektrike. Kartat grafike të zyrës do të funksionojnë normalisht me një njësi 450 vat. Përshpejtuesit grafikë të lëvizshëm do të kërkojnë një furnizim me energji prej më shumë se 500 watts. Me zgjedhjen e duhur, mund të zhbllokoni plotësisht potencialin e kartës video. Për më tepër, sistemi i ftohjes së një karte grafike diskrete do të funksionojë më mirë me energji elektrike të mjaftueshme.

Ushqyerja luan një rol të rëndësishëm. Pa një procesor përshpejtimi grafik, është e pamundur të shfaqet një imazh në ekran. Për të parë se si shfaqet karta video në sistem, thjesht shkoni te paneli i kontrollit dhe hapni skedën "Adaptorët e ekranit". Nëse shfaqet mesazhi "Pajisja nuk njihet", atëherë duhet të instaloni drejtuesit për procesorin tuaj grafik. Pas instalimit të drejtuesve, modeli i kartës do të shfaqet saktë në sistem.

CPU dhe GPU janë shumë të ngjashme. Ata të dy janë bërë nga miliona tranzistorë, të aftë për të kryer mijëra operacione në sekondë, të cilat i kushtohen vetes . Por cili është ndryshimi midis cpu dhe gpu?

Çfarë është një CPU?

CPU (Central Processing Unit) është njësia qendrore e përpunimit, me fjalë të tjera, "truri" i kompjuterit. Ky është një koleksion prej disa milion transistorëve që mund të kryejnë llogaritje komplekse. Një procesor standard ka një deri në katër bërthama me shpejtësi nga 1 deri në 4 GHz, megjithëse kohët e fundit.

CPU është një pajisje mjaft e fuqishme që mund të kryejë çdo detyrë në një kompjuter. Numri i bërthamave dhe shpejtësia e orës së CPU-së është një nga çelësat

Çfarë është një GPU?

GPU (Graphics Processing Unit) është një lloj i specializuar i mikroprocesorit që është i optimizuar për shfaqje grafike dhe detyra specifike. Shpejtësia e orës së GPU-së është dukshëm më e ulët se CPU, por zakonisht ka më shumë bërthama.

Cili është ndryshimi midis CPU dhe GPU?

GPU mund të bëjë vetëm një pjesë të shumë operacioneve të CPU-së, por e bën këtë me një shpejtësi të jashtëzakonshme. GPU përdor qindra bërthama në kohë reale për të shfaqur mijëra pikselë në një monitor. Kjo lejon që grafika komplekse e lojës të shfaqet pa probleme.

Sidoqoftë, CPU-të janë më fleksibël se GPU-të. Njësitë qendrore të përpunimit kanë një grup më të madh instruksionesh, kështu që ato mund të kryejnë një gamë më të gjerë detyrash. CPU-të funksionojnë në frekuenca maksimale më të larta dhe mund të kontrollojnë hyrjen dhe daljen e të gjithë komponentëve të kompjuterit. CPU-të janë të afta të punojnë me memorie virtuale, e cila është e nevojshme për sistemet operative moderne, ndërsa GPU-të jo.

Pak për kompjuterin GPU

Edhe pse GPU-të janë më të mirat për paraqitjen e videove, ato teknikisht janë të afta të bëjnë më shumë. Përpunimi i të dhënave grafike është vetëm një lloj detyre përsëritëse dhe shumë paralele. Detyra të tjera si minimi i bitcoin ose thyerja e fjalëkalimit mbështeten në të njëjtat lloje grupesh të mëdha të të dhënave dhe operacione matematikore. Kjo është arsyeja pse shumë njerëz përdorin GPU-në për qëllime "jografike".

Rezultati

CPU-të dhe GPU-të kanë qëllime të ngjashme, por janë të optimizuara për detyra të ndryshme kompjuterike. Ky është ndryshimi midis CPU dhe GPU. Për të punuar si duhet dhe me efikasitet, një kompjuter duhet të ketë të dy llojet e mikroprocesorëve.

Çipi kryesor në pllakën amë është Njësia Qendrore e Përpunimit (CPU). Qendrore, sepse kontrollon të gjitha nënsistemet e tjera, me ndihmën e një sistemi autobusi dhe një çipset.

Nënsistemi që kontrollon vizualizimin dhe shfaqjen e informacionit në ekran quhet sistemi video. Ai është i integruar në motherboard përmes një slot në formën e një karte video. Një kartë video është një zgjidhje inxhinierike dhe është një tabelë me procesorin e saj (pra GPU) dhe RAM.

GPU NVidia Nv45 në kartën video

Procesori në një kartë video quhet GPU (Graphic Processor Unit) për të theksuar:

1. Çfarë është një procesor.
2. Se nuk është qendrore, pra skllav për CPU-në.
3. Se është e fokusuar në përpunimin e të dhënave të veçanta - grafike.

Vendndodhja e GPU-së në motherboard

Meqenëse përpunimi grafik është një specializim në përpunimin e të dhënave, GPU është një CPU e specializuar. Logjikisht, specializimi shprehet me ndarjen e GPU nga CPU, fizikisht, me faktin se GPU është rregulluar ndryshe.

CPU përmban dhjetëra bërthama, GPU - mijëra

Ky zbatim fizik i GPU-së justifikohet nga nevoja për të trajtuar mijëra detyra të paraqitjes paralele. Njësia qendrore e përpunimit është e orientuar drejt të dhënave - detyra të gjata dhe të njëpasnjëshme.

Një CPU (CPU) moderne mund të përfshijë një njësi përpunimi grafik.

Procesor me katër bërthama me GPU opsionale

Kjo zgjidhje i lejon kompjuterit të bëjë pa një kartë video për shkak të GPU-së së integruar në procesorin qendror. Kjo redukton konsumin e energjisë me 30 deri në 180%. Kostoja e procesorit në të njëjtën kohë rritet me jo më shumë se 20%.

Disavantazhi kryesor i këtij zbatimi është performanca e ulët. Kjo zgjidhje është e përshtatshme për kompjuterët e zyrës ku ata punojnë me dokumente dhe baza të të dhënave, por nuk mund të ekzekutoni një lojë kompjuterike moderne në të, Photoshop do të ngadalësohet dhe AutoCAD mund të ngrijë fort.

Si të njohim GPU në një kompjuter

Për përdoruesin, GPU është e lidhur fort me kartën video, megjithëse është vetëm një procesor. Njohja se cili përshtatës grafik është i instaluar në kompjuterin tuaj është i dobishëm në tre raste:

• kur instaloni ose përditësoni drejtuesit;
• kur vlerësoni një kompjuter për pajtueshmërinë me kërkesat e sistemit softuer;
• për t'u mburrur me miqtë tuaj.

Nëse të gjithë drejtuesit janë të instaluar në kompjuter, atëherë mënyra më e shpejtë është të shikoni në menaxherin e pajisjes, në seksionin e përshtatësve video:

Shikoni GPU në Device Manager

Nëse drejtuesit nuk janë të instaluar, menaxheri i pajisjes do të shfaqë vetëm një mbishkrim për pajisjet e panjohura:

GPU në Device Manager nëse nuk ka drejtues

Në këtë rast, shkarkoni programin CPU-Z, ekzekutoni atë dhe shkoni te skedari "Graphics" (Grafika në versionin anglisht):

Shikimi i GPU-së në CPU-Z

helpadmins.ru

Çfarë është një GPU në një kompjuter?

Përshëndetje të gjithëve GPU është përcaktimi i një karte video, për të qenë më i saktë, një procesor grafik. Kjo fjalë, pra, d.m.th., shkurtesa shpesh mund të gjendet në disa karakteristika, mirë, për shembull, në karakteristikat e një procesori Intel ekziston një gjë e tillë si GPU e integruar, që do të thotë një kartë video e integruar. Epo, kjo është e drejtë, është me të vërtetë i integruar, çipi video qëndron pikërisht në procesor, ky nuk është lajm, si të thuash

Kjo do të thotë, ne kemi bërë tashmë një përfundim, GPU është një vidyuha. Por çfarë tjetër është e rëndësishme për të kuptuar? Unë shkrova që GPU-ja gjendet në karakteristikat, është e drejtë, por përveç kësaj, mund të gjendet edhe në programet që tregojnë temperaturën. Unë mendoj se ju i njihni programe të tilla .. Epo, ose nuk e dini, me pak fjalë, në çdo rast, çfarë do të shkruaj tani, do të jetë e dobishme për ju të dini. Pra, ne po flasim për temperaturën e GPU. Shumë pretendojnë se vidyuha mund të funksionojë edhe në 80 gradë, por unë deklaroj se kjo është një temperaturë shumë e lartë! Dhe në përgjithësi, mendoj se mbi 70 nuk është normë!

Nga rruga, GPU qëndron për Graphics Processing Unit.

Dhe këtu është vetë çipi grafik, pra, GPU, kështu që e tregova me shigjeta në tabelë:

Por cila është temperatura atëherë? Deri në 60 gradë, mirë, maksimumi 66, mirë, 70 gradë është tashmë tavani ... Por më lart, mendoj se kjo nuk është më shumë e mirë, thjesht një temperaturë e tillë definitivisht nuk do të zgjasë jetën e shërbimit, a jeni dakord me mua? Epo, ka akoma një pikë interesante, me pak fjalë, nëse vidyukha nxehet mirë, atëherë dreqin, ai gjithashtu hedh nxehtësinë e tij në kuti, mirë, padyshim që nuk do të jetë i ftohtë në të, dhe më pas procesi do të bëhet i nxehtë Me pak fjalë, argëtim! Mos harroni se është TEMPERATURA ajo që mund të zvogëlojë jetën e pajisjes! Këtu, në pllakat e vjetra amë, kondensatorët elektrolitikë shpërthyen nga temperaturat e larta .. Nëse nuk e besoni, mund ta kërkoni vetë në internet..

Epo, më thuaj, a kuptove gjithçka këtu? Sinqerisht, shpresoj se po! Epo, nëse diçka nuk është në rregull, më falni!

Tek kryesore! kartela grafike 17.05.2017

virtmachine.com

Çfarë do të thotë GPU?

GPU (njësia e përpunimit grafik)

GPU (njësia e përpunimit grafik) është një pajisje e teknologjisë së lartë përgjegjëse për përpunimin e grafikëve në kompjuterë, laptopë, telefona celularë. GPU-të moderne kanë një arkitekturë të specializuar me tubacion, gjë që i bën ata shumë efikasë në përpunimin e informacionit grafikë në krahasim me një CPU tipike. Mund të përdoret si pjesë e një karte video diskrete ashtu edhe në zgjidhje të integruara (të ngulitura në urën veriore ose në procesorin hibrid).

Dallimet kryesore midis GPU dhe CPU:

1. Arkitektura (theksi maksimal në përpunimin e teksturës grafike)
2. Një grup i kufizuar komandash ekzekutive

Shpejtësia dhe fuqia e lartë e procesorëve GPU në këtë kohë është për shkak të veçorive të arkitekturës së ndërtimit. Nëse CPU-të moderne përbëhen nga 2-6 bërthama, atëherë GPU-ja konsiderohet një strukturë me shumë bërthama që përdor deri në njëqind bërthama në të njëjtën kohë. CPU supozon përpunimin e informacionit në mënyrë sekuenciale, dhe GPU është projektuar për punë paralele me shumë fije me një grup informacioni.

windows-gadjet.ru

Çfarë është një GPU dhe për çfarë shërben?

Një procesor grafik ose në anglisht GPU - Graphics Processing Unit - është një pajisje që është një mikroqark, një çip që është pjesë e një përshtatësi video (karte video) ose motherboard.

GPU-ja është përgjegjëse për ndërtimin (renderrimin) e imazhit.

E thjeshtuar, roli dhe rëndësia e GPU-së mund të përshkruhet si më poshtë:

GPU merr nga njësia qendrore e përpunimit (CPU) të dhënat e përpunimit të kërkuara për imazhe, pastaj i përpunon dhe i përgatit për operacione të mëtejshme, duke përshpejtuar në masë të madhe procesin e imazhit dhe duke zvogëluar ngarkesën në procesorin qendror

Procesori grafik është një komponent opsional, puna e tij mund të kryhet nga ai qendror.

Për dallim nga procesori qendror, procesori grafik, për shkak të ndryshimit në arkitekturë (struktura, pajisje), është i aftë të përpunojë lloje të caktuara të operacioneve dhjetëra, qindra, mijëra herë më shpejt, për shembull, përpunimin e të dhënave për ndërtimin e një imazhi dhe më shumë.

GPU mund të jetë diskrete, domethënë mund të jetë pjesë e një karte video që zbatohet si një bord (pajisje) zgjerimi i instaluar në folenë e zgjerimit të motherboard. Në këtë rast, të gjithë komponentët shtesë janë të vendosur në një tabelë të qarkut të printuar. , i cili mund të hiqet ose zëvendësohet lehtësisht në çdo kohë.

Ose është i integruar, pjesë e vetë motherboard-it të pajisjes.Në këtë rast, procesori grafik ndodhet në motherboard, të gjithë komponentët shtesë ndodhen afër. Përdoret në kompjuterë personalë, telefona inteligjentë, konzola lojërash etj.

19-06-2017, 20:38 Detaillook

www.detaillook.com

Krahasimi i NVIDIA GPU dhe GPU me CPU

Cloud computing ka revolucionarizuar çdo industri, duke demokratizuar qendrat e të dhënave dhe duke ndryshuar plotësisht mënyrën e funksionimit të bizneseve. Asetet më të rëndësishme të kompanisë tani ruhen në cloud me ofruesin e zgjedhjes suaj. Megjithatë, për të përfituar sa më shumë nga të dhënat tuaja, ju nevojitet zgjidhja e duhur informatike me performancë të lartë.

Softueri NVIDIA Deep Learning është ndërtuar për të ofruar performancën më të mirë në GPU-të më të shpejta në botë, me korniza të optimizuara të mësimit të thellë, biblioteka, drejtues dhe sisteme operative. Ky softuer i unifikuar funksionon në një sërë platformash kompjuterike, nga TITAN X dhe grafika GeForce GTX 1080Ti kartat në sistemet DGX dhe cloud, dhe të disponueshme gjatë gjithë kohës.

Kompjuteri në renë kompjuterike GPU është gjithashtu i disponueshëm sipas kërkesës në të gjitha platformat kryesore të cloud.

SI APLIKACIONET MERRIN PËRSHTIM NË GPU

GPU përpunon pjesët e aplikacionit që kërkojnë shumë fuqi përpunuese, ndërsa pjesa tjetër e aplikacionit funksionon në CPU. Nga këndvështrimi i përdoruesit, aplikacioni thjesht funksionon dukshëm më shpejt.

Një mënyrë e thjeshtë për të kuptuar ndryshimin midis GPU dhe CPU është të krahasoni se si ata kryejnë detyrat. CPU përbëhet nga disa bërthama të optimizuara për përpunim vijues, ndërsa GPU-ja ka mijëra bërthama më të vogla dhe më efikase të energjisë, të dizajnuara për të kryer detyra të shumta në të njëjtën kohë.

GPU përbëhet nga mijëra bërthama për përpunim efikas të detyrave paralele

Shikoni videon më poshtë për të krahasuar GPU dhe CPU

Video: "MythBusters demonstrojnë fuqinë kompjuterike të GPU-së kundrejt CPU-së" (01:34)

Më shumë se 400 aplikacione - duke përfshirë 9 nga 10 aplikacionet kryesore të HPC - kanë marrë tashmë përshpejtimin e GPU-së, duke u mundësuar të gjithë përdoruesve të GPU të arrijnë përmirësime të rëndësishme të performancës për ngarkesat e tyre të punës. Kontrolloni katalogun tonë të aplikacioneve për të parë nëse aplikacioni me të cilin po punoni ka përshpejtim GPU (PDF 1,9 MB).

Ekzistojnë tre metoda kryesore për të shtuar përshpejtimin GPU në aplikacionin tuaj:

• Përdorni bibliotekat e optimizuara nga GPU
• Shtoni direktiva ose "instruksione" në përpilues për të paralelizuar automatikisht kodin tuaj
• Përdorni shtesa për gjuhët e programimit që tashmë i dini, si C dhe Fortran

Të mësosh se si të përdorësh një GPU me modelin e programimit paralel CUDA është shumë e lehtë.

Klasat dhe burimet online falas për zhvilluesit janë të disponueshme në Zonën CUDA.