අපි තවමත් GPU වෙනුවට CPU භාවිතා කරන්නේ ඇයි?

384

මේ දිනවල GPU මත ගණනය කිරීම් රාශියක් සිදු කර ඇති බව මට පෙනේ. නිසැකවම ග්‍රැෆික්ස් සිදු කරනු ලබන්නේ, නමුත් CUDA සහ ඒ හා සමාන, AI, හැෂිං ඇල්ගොරිතම (සිතන්න බිට්කොයින්) සහ වෙනත් ඒවා GPU මත සිදු කරනු ලැබේ. අපට CPU එකෙන් ඉවත් වී GPU තනිවම භාවිතා කළ නොහැක්කේ ඇයි? CPU වලට වඩා GPU මෙතරම් වේගවත් වන්නේ කුමක් නිසාද?

— ell
source

3

නිවැරදි තොරතුරු අඩංගු පිළිතුරු මොනවාදැයි මා දැන ගන්නේ කෙසේද? අනෙක් අය ඉහළ / පහළ ඡන්ද පිළිතුරු ලැබෙන තෙක් මා බලා සිටිය යුතුද? මම පිළිතුරක් පිළිගැනීමෙන් ද ඔහු අවධාරණය හිතන්නේ: O

— ell

14

"වැරදි තොරතුරු" අඩංගු නොවන මෑත කාලීන පිළිතුරු කිහිපයක් දැන් තිබේ. පුදුමාකාර ලෙස නිර්මාණය කරන ලද ස්ටැක්එක්ස්චේන්ජ් හි කාර්යක්ෂම වෙළඳපල යාන්ත්‍රණය හේතුවෙන් ඒවා ක්‍රමයෙන් ඉහළට එයි ;-) පිළිතුරක් පිළිගැනීමට පෙර තව ටිකක් බලා සිටීමට මම යෝජනා කරමි. පෙනෙන විදිහට ඔබ ඉතා ud ානාන්විතව එය කරන බව පෙනේ. මෙය හොඳ ප්‍රශ්නයකි. පැහැදිලිව පෙනෙන නමුත් එය කිසිසේත් නැත. එය ඇසීමට ස්තූතියි!

— එලී කෙසල්මන්

130

"බෝයිං 747 වේගවත් හා වඩා ඉන්ධන කාර්යක්ෂම නම්, අපි තවමත් මෝටර් රථ ධාවනය කරන්නේ ඇයි" යනුවෙන් විමසීමට සමාන ය.

— vartec

8

නැත, මන්ද එය CISC හා එදිරිව RISC නොවන බැවිනි. එය තරමක් වෙස්වළාගත් අනෙක් පරිගණක විද්‍යා මූලධර්මවලින් එකකි. එය "අපි මධ්‍යම ප්‍රොසෙසරයේ සිට I / O ප්‍රොසෙසරයට වැඩ පැටවීම ඇයි?" .

— JdeBP

6

arvartec: මම හිතන්නේ බස් රථ සහ කුලී රථ අතර තරමක් හොඳ ප්‍රතිසමයක් තිබිය හැකිය. සියලු දෙනාම එකම ස්ථානයක සිට එකම ස්ථානයකට යාමට කැමති පුද්ගලයින් හතළිහක් සිටී නම්, බස් රථයක් වඩාත් කාර්යක්ෂම වනු ඇත. අපේක්ෂිත සම්භවය සහ ගමනාන්ත පුළුල් ලෙස විසිරී ඇති පුද්ගලයින් හතළිහක් සිටී නම්, එක් කුලී රථයක් පවා බස් රථයක් තරම් හොඳ විය හැකි අතර, බස් රථයේ පිරිවැය සඳහා කෙනෙකුට ටැක්සි කැබ් කිහිපයක් තිබිය හැකිය.

— සුපර් කැට්

399

TL; ඩී පිළිතුර: GPUs ජනිතවන තාපය වඩා බෙහෙවින් වැඩි ප්රොසෙසරයක් මධ්යය ඇති, නමුත් CPU හරය වඩා එක් එක් දක්වන GPU හරය සැලකිය යුතු මන්දගාමී දිවෙන සහ නූතන මෙහෙයුම් පද්ධති සඳහා අවශ්ය වන විශේෂාංග නැති නිසා, ඔවුන් එදිනෙදා දී සැකසුම් බොහෝ සිදු කිරීම සඳහා සුදුසු නොවන පරිගණකකරණය. වීඩියෝ සැකසුම් සහ භෞතික විද්‍යා සමාකරණ වැනි ගණනය කිරීමේ දැඩි මෙහෙයුම් සඳහා ඒවා වඩාත් සුදුසු ය.

GPGPU තවමත් සාපේක්ෂව නව සංකල්පයකි. GPUs මුලින් භාවිතා කළේ ග්‍රැෆික් විදැහුම්කරණය සඳහා පමණි; තාක්‍ෂණය දියුණු වන විට, CPU වලට සාපේක්ෂව GPU වල ඇති විශාල හරයන් GPU සඳහා පරිගණකමය හැකියාවන් වර්ධනය කිරීම මගින් සූරාකනු ලැබූ අතර එමඟින් එම දත්ත කුමක් වුවත් සමාන්තර දත්ත ප්‍රවාහයන් එකවර ක්‍රියාවට නැංවිය හැකිය. GPU වලට සිය ගණනක් හෝ දහස් ගණනක් ධාරා ප්‍රොසෙසර තිබිය හැකි නමුත්, ඒවා සෑම එකක්ම CPU හරයකට වඩා සෙමින් ධාවනය වන අතර අඩු ලක්ෂණ ඇත (ඒවා ටියුරින් සම්පුර්ණ වුවද CPU ක්‍රියාත්මක කළ හැකි ඕනෑම වැඩසටහනක් ක්‍රියාත්මක කිරීමට ක්‍රමලේඛනය කළ හැකිය). නවීන මෙහෙයුම් පද්ධතියක් ක්‍රියාත්මක කිරීම සඳහා අවශ්‍ය වන බාධා කිරීම් සහ අථත්‍ය මතකය GPU වලින් අස්ථානගත වී ඇත.

වෙනත් වචන වලින් කිවහොත්, CPU සහ GPUs සැලකිය යුතු ලෙස වෙනස් ගෘහ නිර්මාණ ශිල්පයක් ඇති අතර ඒවා විවිධ කාර්යයන් සඳහා වඩාත් සුදුසු වේ. GPU එකකට බොහෝ ධාරාවන්හි විශාල දත්ත ප්‍රමාණයක් හැසිරවිය හැකි අතර ඒවා මත සාපේක්ෂව සරල මෙහෙයුම් සිදු කරයි, නමුත් දත්ත ප්‍රවාහයන් එකක් හෝ කිහිපයක් මත බර හෝ සංකීර්ණ සැකසුම් වලට නුසුදුසු ය. CPU එකකට මූලික පදනමක් මත (තත්පරයට උපදෙස් අනුව) වඩා වේගවත් වන අතර දත්ත ප්‍රවාහයන් එකකට හෝ කිහිපයකට වඩා පහසුවෙන් ක්‍රියාත්මක කළ හැකි නමුත් එකවර බොහෝ ධාරාවන් කාර්යක්ෂමව හැසිරවිය නොහැක.

එහි ප්‍රති As ලයක් වශයෙන්, වචන සකසන වැනි බොහෝ පොදු පාරිභෝගික යෙදුම් ද ඇතුළුව සැලකිය යුතු ප්‍රතිලාභයක් හෝ සමාන්තරගත කළ නොහැකි කාර්යයන් හැසිරවීමට GPUs සුදුසු නොවේ. තවද, GPUs මූලික වශයෙන් වෙනස් ගෘහ නිර්මාණ ශිල්පයක් භාවිතා කරයි; ජීපීයූ වැඩ කිරීම සඳහා යමෙකුට විශේෂයෙන් යෙදුමක් වැඩසටහන්ගත කිරීමට සිදුවන අතර, ජීපීයූ ක්‍රමලේඛනය කිරීම සඳහා සැලකිය යුතු ලෙස වෙනස් ක්‍රමවේදයන් අවශ්‍ය වේ. මෙම විවිධ ක්‍රමෝපායන් අතර නව ක්‍රමලේඛන භාෂා, පවත්නා භාෂාවන්ට වෙනස් කිරීම් සහ බොහෝ ක්‍රමලේඛන සකසනයන් විසින් සිදු කළ යුතු සමාන්තර මෙහෙයුමක් ලෙස ගණනය කිරීමක් ප්‍රකාශ කිරීමට වඩා සුදුසු නව ක්‍රමලේඛන උපමා ඇතුළත් වේ. GPU වැඩසටහන්ගත කිරීම සඳහා අවශ්‍ය ශිල්පක්‍රම පිළිබඳ වැඩි විස්තර සඳහා, ප්‍රවාහ සැකසුම් හා සමාන්තර පරිගණකකරණය පිළිබඳ විකිපීඩියා ලිපි බලන්න .

නවීන GPUs දෛශික මෙහෙයුම් සහ පාවෙන ලක්ෂ්‍ය අංක ගණිතය සිදු කිරීමට සමත් වන අතර නවතම කාඩ්පත් ද්විත්ව නිරවද්‍යතාවයකින් යුත් පාවෙන ලක්ෂ්‍ය සංඛ්‍යා හැසිරවිය හැකිය. CUDA සහ OpenCL වැනි රාමු මඟින් GPU සඳහා වැඩසටහන් ලිවීමට හැකි වන අතර, GPU වල ස්වභාවය විද්‍යාත්මක පරිගණනය වැනි ඉහළ සමාන්තරගත මෙහෙයුම් සඳහා ඒවා වඩාත් ගැලපේ. විශේෂිත GPU පරිගණක කාඩ්පත් මාලාවක් කුඩා වෙනුවට ආදේශ කළ හැකිය. NVIDIA ටෙස්ලා පුද්ගලික සුපිරි පරිගණකවල මෙන් පොකුරු ගණනය කරන්න . ෆෝල්ඩින් @ නිවස පිළිබඳ අත්දැකීම් ඇති නවීන GPU සහිත පාරිභෝගිකයින්ට GPU සේවාදායකයින් සමඟ දායක වීමට ඒවා භාවිතා කළ හැකි අතර එමඟින් ප්‍රෝටීන් නැමීමේ සමාකරණ ඉතා ඉහළ වේගයකින් සිදු කළ හැකි අතර ව්‍යාපෘතියට වැඩි වැඩ කොටසක් කළ හැකිය ( නිතර අසනු ලබන ප්‍රශ්න කියවීමට වග බලා ගන්නපළමුව, විශේෂයෙන් GPU වලට අදාළ). භෞතික ක්‍රීඩා භාවිතා කරමින් වීඩියෝ ක්‍රීඩා වලදී වඩා හොඳ භෞතික විද්‍යාත්මක අනුකරණයක් ලබා දීමට GPU වලට හැකිය, වීඩියෝ කේතන හා විකේතනය වේගවත් කිරීම සහ වෙනත් ගණනය කිරීම්-දැඩි කාර්යයන් ඉටු කිරීම. GPUs කාර්ය සාධනය සඳහා වඩාත් සුදුසු වන්නේ මෙම ආකාරයේ කාර්යයන් ය.

සාම්ප්‍රදායික x86 CPU මධ්‍යයන් GPU සමඟ ඒකාබද්ධ කරන ඇක්සලරේටඩ් ප්‍රොසෙසින් යුනිට් (APU) නමින් ප්‍රොසෙසරයක් නිර්මාණය කිරීමට AMD පුරෝගාමී වේ. මෙම ප්‍රවේශය මවු පුවරුව-ඒකාබද්ධ ග්‍රැෆික් විසඳුම් වලට වඩා බෙහෙවින් උසස් (වඩාත් මිල අධික විවික්ත ජීපීයූ සඳහා නොගැලපේ), සහ වෙනම ජීපීයූ අවශ්‍යතාවයකින් තොරව හොඳ බහුමාධ්‍ය කාර්ය සාධනයක් සහිත සංයුක්ත, අඩු වියදම් පද්ධතියක් සඳහා ඉඩ ලබා දේ. තරඟකාරී ඒකාබද්ධ ජීපීයූ ක්‍රියාකාරිත්වය දැනට ඉන්ටෙල් අයිරිස් ප්‍රෝ ග්‍රැෆික්ස් සමඟ ඇති චිප් කිහිපයකට පමණක් සීමා වී ඇතත් නවතම ඉන්ටෙල් ප්‍රොසෙසරයන් ඔන්-චිප් ඒකාබද්ධ ග්‍රැෆික්ස් ලබා දෙයි. තාක්‍ෂණය අඛණ්ඩව ඉදිරියට යත්ම, වරක් වෙන් වූ මෙම කොටස්වල අභිසාරීතාවයේ වැඩි වීමක් අපට පෙනෙනු ඇත. AMD බලාපොරොත්තු වේCPU සහ GPU එකකි, එකම කාර්යයක් සඳහා බාධාවකින් තොරව එකට වැඩ කළ හැකි අනාගතයක් .

එසේ වුවද, පරිගණක මෙහෙයුම් පද්ධති සහ යෙදුම් විසින් සිදු කරනු ලබන බොහෝ කාර්යයන් තවමත් CPU වලට වඩාත් සුදුසු වන අතර GPU භාවිතා කරමින් වැඩසටහනක් වේගවත් කිරීම සඳහා බොහෝ කාර්යයන් අවශ්‍ය වේ. දැනට පවතින බොහෝ මෘදුකාංග x86 ගෘහ නිර්මාණ ශිල්පය භාවිතා කරන හෙයින් සහ GPU වලට විවිධ ක්‍රමලේඛන ශිල්පීය ක්‍රම අවශ්‍ය වන අතර මෙහෙයුම් පද්ධති සඳහා අවශ්‍ය වන වැදගත් අංග කිහිපයක් නැති හෙයින්, එදිනෙදා පරිගණකකරණය සඳහා CPU සිට GPU වෙත සාමාන්‍ය මාරුවීම ඉතා අපහසු වේ.

— bwDraco
source

41

මෙම පිළිතුර මෙන්, මම සිතන්නේ ප්‍රධාන හේතුව මේ වගේ සමාන්තර ගෘහ නිර්මාණ සමඟ කටයුතු කිරීමට අපට හොඳ ප්‍රධාන ධාරාවේ ක්‍රමලේඛන භාෂා නොමැති වීමයි. බහු නූල් ක්‍රමලේඛනය ඉදිරියට ගෙන යාම සඳහා අපි දශක ගණනාවක් තිස්සේ අරගල කර ඇති අතර මිනිසුන් තවමත් හඳුන්වන්නේ බහු නූල් “නපුර” ලෙසයි. එසේ තිබියදීත්, බහු-මූලික CPU සහ GPU යථාර්ථයක් වන අතර, මේ සම්බන්ධයෙන් කටයුතු කිරීම සඳහා අපට නව ක්‍රමලේඛන ආදර්ශයන් ඉදිරිපත් කිරීමට සිදුවනු ඇත.

— සෝරන්

ඉන්ටෙල් ලාරාබී ගෘහ නිර්මාණ ශිල්පය මත වැඩ කර ඇති බව සඳහන් කිරීම වටී (බොහෝ දුරට) එය මූලික වශයෙන් x86 කෝර් විශාල සංඛ්‍යාවක් සහිත චිපයකි.

— ක්‍රිස් එස්

දෘඩාංග හේතු සාකච්ඡා කිරීම සහ APUs සාකච්ඡා කිරීම සහ ඔවුන් මෙය වෙනස් කරන්නේ කෙසේද යන්න පිළිබඳ විශිෂ්ට පිළිතුරකි. කෙසේ වෙතත්, oreSoren මෘදුකාංග පැත්තෙන් ඉතා හොඳ කරුණක් ලබා දෙයි. යථාර්ථය නම්, එය දෘඩාංග ගැටළු, මෘදුකාංග ගැටළු සහ CPUs වැඩ කරන අතර යම් දෙයක් වැඩ කිරීමට දන්නා විට එය ප්‍රතිස්ථාපනය කිරීමට මිනිසුන් ලබා ගැනීම දුෂ්කර ය.

— නිච් ඩෙල්

3

"මේ හා සමාන සමාන්තර ගෘහ නිර්මාණ සමඟ කටයුතු කිරීමට අපට හොඳ ප්‍රධාන ධාරාවේ ක්‍රමලේඛන භාෂා නොමැත." - හස්කල්, ඕකාම්ල්, යෝජනා ක්‍රමය, එෆ් #, එර්ලැන්ග් සහ වෙනත් ඕනෑම ක්‍රියාකාරී ක්‍රමලේඛන භාෂාවක් බහුමාධ්‍ය කියවීම සමඟ ඉතා හොඳින් ගනුදෙනු කරයි. මා සඳහන් කළ සියල්ලම ප්‍රධාන ධාරාවේ ය.

— බ්ලූරාජා - ඩැනී ප්ලග්ගොෆ්ට්

2

L බ්ලූරාජා - අපි මෙම භාෂාවන් ගැන දනිමු, ප්‍රධාන ධාරාව පිළිබඳ ඔබේ අර්ථ දැක්වීම මගේ ඒවාට වඩා වෙනස් විය යුතුය :-)

— සෝරන්

257

CPU වලට වඩා GPU මෙතරම් වේගවත් වන්නේ කුමක් නිසාද?

මෙම දක්වන GPU නොවන වේගවත් CPU වඩා. CPU සහ GPU නිර්මාණය කර ඇත්තේ විවිධ අරමුණු දෙකකින්, විවිධ වෙළඳාම් වලින්, එබැවින් ඒවාට වෙනස් කාර්ය සාධන ලක්ෂණයක් ඇත. සමහර කාර්යයන් CPU තුළ වේගවත් වන අතර අනෙක් කාර්යයන් GPU එකකින් වේගයෙන් ගණනය කෙරේ. කුඩා දත්ත සමූහයකට සංකීර්ණ හැසිරවීම් සිදුකිරීමට CPU විශිෂ්ටයි, විශාල දත්ත සමූහයකට සරල හැසිරවීම් කිරීමට GPU විශිෂ්ටයි.

GPU යනු විශේෂ කාර්ය CPU එකක් වන අතර එය නිර්මාණය කර ඇත්තේ තනි උපදෙස් විශාල දත්ත කාණ්ඩයක් (SIMD / Single Instruction Multiple Data) හරහා ක්‍රියාත්මක වන අතර ඒ සියල්ලම එකම මෙහෙයුමක් ක්‍රියාත්මක කරයි. වරකට එක් කොටුවක් සමඟ වැඩ කරනවාට වඩා දත්ත කුට්ටි වල වැඩ කිරීම නිසැකවම වඩා කාර්යක්ෂම වේ, මන්ද උපදෙස් විකේතනය කිරීමේදී ඉහළින් අඩු වී ඇති හෙයිනි, කෙසේ වෙතත් විශාල කුට්ටි වල වැඩ කිරීම යනු සමාන්තර ක්‍රියාකාරී ඒකක ඇති බැවින් එය බොහෝ ට්‍රාන්සිස්ටර භාවිතා කරයි තනි GPU උපදෙස් ක්‍රියාත්මක කිරීම සඳහා (භෞතික ප්‍රමාණයේ බාධාවක් ඇති කිරීම, වැඩි ශක්තියක් භාවිතා කිරීම සහ වැඩි තාපයක් නිපදවීම).

CPU නිර්මාණය කර ඇත්තේ හැකි ඉක්මනින් එක් දත්තයක් මත තනි උපදෙස් ක්‍රියාත්මක කිරීමට ය. එය අවශ්‍ය වන්නේ එක් දත්තයක් සමඟ පමණක් බැවින්, එක් උපදෙස් ක්‍රියාත්මක කිරීම සඳහා අවශ්‍ය ට්‍රාන්සිස්ටර ගණන බෙහෙවින් අඩු බැවින් විශාල උපදෙස් මාලාවක්, වඩා සංකීර්ණ ALU, වඩා හොඳ ශාඛා පුරෝකථනයක්, වඩා හොඳ අථත්‍යකරණය කිරීමට CPU හට හැකි වේ. ගෘහ නිර්මාණ ශිල්පය සහ වඩාත් නවීන හැඹිලි / නල මාර්ග යෝජනා ක්‍රම. එහි උපදෙස් චක්‍ර ද වේගවත් ය.

අප තවමත් CPU භාවිතා හේතුව ද මෙය නොවේ , x86 CPU ගෘහ නිර්මාණ ශිල්පය රජු වන අතර, වින්ඩෝස් x86 සඳහා ලියා ඇත නිසා, අප තවමත් CPU භාවිතා හේතුව ලෙස මෙහෙයුම් පද්ධතිය එනම් තීරණ ගැනීම, කිරීමට අවශ්ය බව කාර්යයන් නිසා වගේ, CPU ගෘහ නිර්මාණ ශිල්පය මත වඩාත් කාර්යක්ෂමව ක්‍රියාත්මක වේ. මෙහෙයුම් පද්ධතියකට විවිධ වර්ගයේ දත්ත සිය ගණනක් දෙස බලා විවිධ තීරණ ගත යුතු අතර ඒවා සියල්ලම එකිනෙකා මත රඳා පවතී. මේ ආකාරයේ රැකියාවක් පහසුවෙන් සමාන්තර නොවේ, අවම වශයෙන් සිම් ගෘහ නිර්මාණ ශිල්පයටවත් නොවේ.

අනාගතයේ දී, අප දකින්නේ CPU සහ GPU ගෘහ නිර්මාණ ශිල්පය අතර අභිසාරීතාවයක් වන අතර දත්ත කාණ්ඩ හරහා වැඩ කිරීමේ හැකියාව CPU විසින් ලබා ගනී, උදා: SSE. එසේම, නිෂ්පාදන තාක්‍ෂණය වැඩිදියුණු වන විට සහ චිප්ස් කුඩා වන විට, වඩාත් සංකීර්ණ උපදෙස් ක්‍රියාත්මක කිරීමට GPU හට හැකිය.

— බොරු රයන්
source

23

මෙය මෙහි ඇති හොඳම පිළිතුර විය හැකිය. උපමා දෙක අතර ඇති මූලික වෙනස්කම් තේරුම් ගැනීම වැදගත්ය. වර්තමාන වැඩ බර සැලකිල්ලට ගනිමින් GPUs CPU අභිබවා යාමට නම්, මූලික වශයෙන් අදහස් කරන්නේ GPU එකක් CPU බවට හැරවිය යුතු බවයි. මේ අනුව ප්රශ්නය පිළිතුර වේ.

— surasb

2

+1 මේ සඳහා හොඳම පිළිතුරයි. මෙය සහ පිළිගත් පිළිතුර යන දෙකම නිවැරදි ය, නමුත් මෙය වඩාත් පැහැදිලිව පැහැදිලි කරයි.

මට පුදුමයි, මෙම ත්‍රෙඩ් එකේ කිසිවෙකු ජීපීයූ වෙත දත්ත යැවීමේ පොදු කාර්යය ගැන සඳහන් කර නැත - පීසීඅයි-එක්ස්ප්‍රස් බස්රථවලට වඩා සීමිත කලාප පළලක්, ජීපීයූ මත සමාන්තර මෙහෙයුම් කිහිපයක් සීපීයූ මත සිදු කළ ඒවාට වඩා මන්දගාමී වේ. දත්ත යැවීම, සන්දර්භය සැකසීම, ප්‍රති results ල නැවත කියවීම වැනි හේතු නිසා ජීපී යූ එදිරිව සීපීයූ හි කාර්ය සාධනයේ සැලකිය යුතු වෙනසක් එෆ්එෆ්ටී ප්‍රමාණයෙන් වෙනස් වූ එක් සරල අවස්ථාවක් දැකිය හැකිය: stackoverflow.com/a/8687732/303612 කුඩා මෙහෙයුම් CPU මත හැඹිලියෙන් සිදු කළ හැකි අතර මතක කලාප පළල වර්තමාන PCI-E ගෘහ නිර්මාණ ශිල්පයට වඩා බෙහෙවින් උසස් ය

— ආචාර්ය

1

@ ආචාර්ය ඇන්ඩ rew බර්නෙට්-තොම්සන්: එයට හේතුව එය ප්‍රශ්නයට අදාළ නොවන බැවිනි. වර්තමානයේදී, GPU සහායක සැකසුම් ඒකකයක් ලෙස සැලකේ, එබැවින් / සිට GPU වෙත දත්ත ගෙනයාම අත්‍යවශ්‍ය හා මිල අධික වේ. අපි GPU පළමු පන්තියේ සැකසුම් ඒකකය ලෙස සලකන්නේ නම්, ප්‍රධාන මතකය සහ GPU මතකය අතර දත්ත මාර්ෂල් කිරීමේ අවශ්‍යතාවයක් නොමැත.

— බොරු රයන්

1

ශුභවාදී නොවේ, එය ඉහළින් කලාප පළල ශුන්‍ය නොවේ. එය දක්වන GPU ගෘහ නිර්මාණ ශිල්පය සමඟ සකසනය සමස්ත සංදර්ශනය දිවෙන නම්, අවශ්යතා ඉදිරිපත් කිරීමට කිසිම දෙයක් නැහැ කියලා, GPU හි මතක ය ප්රධාන මතකය. ස්ථාන මාරුවීම් නොමැති නිසා මුලින් කතා කළ යුතු ස්ථාන මාරු කිරීමක් නොමැත. මෙය උපකල්පිත නොවේ, AMD හි APUs විසින් ඒකාබද්ධ ප්‍රධාන මතකය සහිත HSA (විෂමජාතීය පද්ධති ගෘහ නිර්මාණ ශිල්පය) භාවිතා කරන අතර එමඟින් CPU සහ GPU අතර ශුන්‍ය පිටපත් කිරීමට ඉඩ ලබා දේ.

— බොරු රයන්

77

GPUs හිඟය:

අතථ්‍ය මතකය (!!!)
මතකය හැර වෙනත් උපාංග ඇමතීමේ ක්‍රම (උදා: යතුරුපුවරු, මුද්‍රණ යන්ත්‍ර, ද්විතීයික ආචයනය)
බාධා කිරීම්

නවීන මෙහෙයුම් පද්ධතියක් වැනි ඕනෑම දෙයක් ක්‍රියාත්මක කිරීමට ඔබට මේවා අවශ්‍ය වේ.

ද්විත්ව නිරවද්‍ය ගණිතයේ දී (සාපේක්ෂව) මන්දගාමී වේ (ඒවායේ තනි නිරවද්‍ය ගණිත කාර්ය සාධනය සමඟ සසඳන විට) *, සහ වඩා විශාල (සිලිකන් ප්‍රමාණය අනුව). පැරණි GPU ගෘහ නිර්මාණ ශිල්පය බොහෝ පොදු කාර්ය වැඩසටහන් සඳහා අවශ්‍ය වක්‍ර ඇමතුම් සඳහා (ක්‍රියාකාරී දර්ශකයන් හරහා) සහය නොදක්වයි. අවසාන වශයෙන්, (වෙනත් පිළිතුරු සටහන් කර ඇති පරිදි), සමාන්තරගත කළ නොහැකි කාර්යයන් සඳහා, එකම වැඩ බරක් ලබා දී ඇති CPU වලට සාපේක්ෂව GPUs අහිමි වේ.

සංස්කරණය කරන්න: මෙම ප්‍රතිචාරය 2011 දී ලියා ඇති බව කරුණාවෙන් සලකන්න - GPU තාක්‍ෂණය යනු නිරන්තරයෙන් වෙනස් වන ප්‍රදේශයකි. ඔබ මෙය කියවන විට තත්වය අනුව බොහෝ වෙනස් විය හැකිය: P.

* සමහර ජීපීයූ එන්වීඩියාගේ ක්වඩ්‍රෝ හෝ ටෙස්ලා රේඛා (ෆර්මි පරම්පරාව හෝ නව), හෝ ඒඑම්ඩී හි ෆයර්ප්‍රෝ රේඛාව (ජීසීඑන් උත්පාදනය හෝ නව) වැනි ද්විත්ව නිරවද්‍ය ගණිතයේ මන්දගාමී නොවේ. නමුත් මේවා බොහෝ පාරිභෝගික යන්ත්‍රවල නොමැත.

— බිලී ඔනේල්
source

Ic සිකාඩා: ඒ සඳහා ඔබට යොමු කිරීමක් තිබේද? කෙසේ වෙතත්, එය සත්‍යයක් වුවද, මෑත කාලීන දෘඩාංග පවා එම අවස්ථාවේ දී හොඳින් ක්‍රියා නොකරනු ඇත. (උදා: CPU ට වඩා පරිපූර්ණ වාසියක් - සහ විදුලි පරිභෝජනය අවාසි)

— බිලී ඔනේල්

3

ඔව්, ඔබ පැවසූ පරිදි ෆර්මි උපාංග (CUDA 4.0 සහ sm_20 සමඟ), වක්‍ර පැනීම් සඳහා සහය දක්වයි (එබැවින් C ++ අතථ්‍ය ක්‍රම, උරුමය ආදිය).

— කෝපාවිෂ්ට සලාද කොළ

අවුරුදු 300 ක් පැරණි GPU එකකින් ගිගාෆ්ලොප් 544 ක් මන්දගාමීද?

— බෙන් වොයිග්ට්

2

En බෙන්: ඔබට ලැබෙන්නේ දත්ත සමාන්තර යෙදුම්වල පමණි. සාමාන්‍ය අනුක්‍රමික මෙහෙයුම් යනු සම්පූර්ණයෙන්ම වෙනස් බෝල් ගේම් ය. (ඒ නැවත නැවත අත්යවශ්යයෙන්ම එකම උපදෙස් ක්රියාත්මක සියලු 1600 සමගාමීව ක්රියාත්මකවන බව චිප් මත මධ්යය සමඟ විතරයි ... සහ පවා ගේ වෙනුවට සැබෑ perf වඩා න්යායික බව)

— බිලී ONeal

Ill බිලී: නමුත් එය එක්තරා ඇල්ගොරිතම කාණ්ඩයක මන්දගාමී බව මිස ද්විත්ව නිරවද්‍ය ගණිතයේ මන්දගාමී බව නොවේ (ඔබ කියා සිටියේ එයයි). (තවද CPUs සාමාන්‍යයෙන් මිණුම් සලකුණු

— ප්‍රති put ල

39

CPU එකක් යනු වේගයෙන් යන සේවකයෙකු හා සමානයි. ජීපීයූ යනු වේගයෙන් යන ක්ලෝන කම්කරුවන් කණ්ඩායමක් හා සමාන ය, නමුත් සියල්ලන්ටම එක හා සමානව එකම දේ කළ යුතුය (ඔබට අවශ්‍ය නම් ක්ලෝන කිහිපයක් අක්‍රියව තබා ගත හැකිය).

ඔබේ සෙසු සංවර්ධකයා, එක් සුපිරි වේගවත් පුද්ගලයෙක් හෝ වේගවත් ක්ලෝන 100 ක් ඇත්ත වශයෙන්ම වේගවත් නොවන නමුත් සියල්ලන්ටම එකම ක්‍රියාවන් එකවර සිදු කළ යුතුය.

සමහර ක්‍රියාවන් සඳහා, ක්ලෝන ඉතා හොඳයි. උදා: බිම අතුගා දමන්න - ඒවාට එක් එක් කොටස අතුගා දැමිය හැකිය.

සමහර ක්‍රියාවන් සඳහා, ක්ලෝන ගඳ ගසයි, උදා: සතිපතා වාර්තාව ලියන්න - සියලු ක්ලෝන නමුත් එක ක්ලෝනයක් නිශ්ශබ්දව වාඩි වී සිටින අතර එක් ක්ලෝනයක් වාර්තාව ලියයි (එසේ නොමැතිනම් ඔබට එකම වාර්තාවේ පිටපත් 100 ක් ලැබෙනු ඇත).

— ජෝන් රොබට්සන්
source

4

මට ... දෙකම තිබිය හැකිද?

— කෙවින් පැන්කෝ

23

E කෙවින්: ඔව්, නමුත් ඔබට CPU සහ GPU යන දෙකම සහිත පරිගණකයක් අවශ්‍ය වේ ! එවැනි දෙයක් තිබුනේ නම්!

— ජෝකිම් සෝවර්

3

විශිෂ්ට ප්‍රතිසමයක්. මෙය මතක තබා ගනු ඇත.

— මයෝ

24

මන්ද GPUs නිර්මාණය කර ඇත්තේ එකවර කුඩා දේවල් රාශියක් කිරීමට වන අතර CPUs නිර්මාණය කර ඇත්තේ වරකට එක දෙයක් කිරීමටය. ඔබේ ක්‍රියාවලිය හැෂිං වැනි විශාල වශයෙන් සමාන්තරව කළ හැකි නම්, GPU යනු විශාලත්වයේ ඇණවුම් වේ, එසේ නොවුවහොත් එය එසේ නොවේ.

ඔබගේ CPU ට ඔබගේ GPU වලට වඩා බොහෝ වේගයෙන් හැෂ් එකක් ගණනය කළ හැකිය - නමුත් එය කිරීමට ඔබේ CPU ගත වන කාලය, ඔබගේ GPU එක හැෂ් සිය ගණනක් හරහා අර්ධ වශයෙන් විය හැකිය. GPUs නිර්මාණය කර ඇත්තේ එකවර බොහෝ දේ කිරීමට වන අතර CPUs සැලසුම් කර ඇත්තේ වරකට එක දෙයක් කිරීමටය, නමුත් ඉතා වේගවත්ය.

ගැටළුව වන්නේ CPU සහ GPUs ඉතා වෙනස් ගැටළු වලට බෙහෙවින් වෙනස් විසඳුම් වීමයි, ටිකක් අතිච්ඡාදනය වන නමුත් සාමාන්‍යයෙන් ඔවුන්ගේ වසමේ ඇති දේ ඔවුන්ගේ වසමේ රැඳේ. අපට CPU එක GPU මගින් ප්‍රතිස්ථාපනය කළ නොහැක. මන්දයත් CPU එහි වාඩි වී සිටින්නේ GPU ට වඩා හොඳින් කළ හැකි නිසාය. මන්දයත් GPU එක එම කාර්යය කිරීමට සැලසුම් කර නොමැති නිසා සහ CPU එකකි.

සුළු පැත්තක සටහනක් වුවද, CPU සීරීමට හා GPU එකක් පමණක් තිබිය හැකි නම්, අපි එය නැවත නම් කරමු යැයි ඔබ සිතන්නේ නැද්ද? :)

— ෆොෂි
source

මම හිතන්නේ බොහෝ නවීන CPUs සැලසුම් කර ඇත්තේ එකවර 2, 4, හෝ 8 දේවල් කිරීමටය.

— danielcg

@ danielcg25: බොහෝ නවීන GPUs සැලසුම් කර ඇත්තේ එකවර දේවල් 256, 512, 1024 ක් කිරීමටය (GTX 680 සතුව CUDA කෝර් 1536 ක් ඇත ). සෑම තනි CPU හරයක්ම සංකල්පමය වශයෙන් වෙනස් වස්තුවකි, නමුත් මෙය GPU සම්බන්ධයෙන් සත්‍ය නොවේ.

— ෆොෂි

@ danielcg25: මම දනිමි, නමුත් මාතෘකාව දැනටමත් නොදැන කිසිවෙකු එය කියවන්නේ නම් පිළිතුර පිළිබඳ මූලික (හිතාමතාම) වරදවා වටහා ගැනීමක් සහිත ප්‍රකාශයක් හානිකර විය හැකිය. එම අර්ථයෙන් “බූරුවෙකු වීම” SE හි සං signal ාව අඩු කරන බැවින් එය සැබවින්ම අගය නොකෙරේ: ශබ්ද අනුපාතය.

— ෆොෂි

මම යම් තොරතුරු සපයමින් සිටියෙමි. වර්තමානයේ බොහෝ පරිගණක ඇත්ත වශයෙන්ම 2-8 දේවල් එකවර සැකසීමේ හැකියාව ඇත. සමහර සකසනයන්ට ඊටත් වඩා දෙයක් කළ හැකිය. එකවර සියගණනක් දේවල් කරන GPU වලට එය තවමත් සමීප නොවේ.

— danielcg

@ danielcg25: එය වෙනස් ආකාරයේ සැකසුමකි, නමුත් ප්‍රශ්නය එයයි. සෑම CPU හරයක්ම effectively ලදායී ලෙස වෙන්වී ඇති අතර, එය තමන්ගේම දත්ත කැබලි හා තමන්ගේම ක්‍රියාවලි සමඟ ක්‍රියා කරයි. සෑම CPU හරයක්ම එකිනෙකට වෙනස්, වෙනම කාර්යයක් ඉටු කරන අතර ඒවා රේඛීයව ඉහළට පරිමාණය නොකරයි - ක්වොඩ් හරයක් ද්විත්ව හරයක් මෙන් දෙගුණයක් ප්‍රයෝජනවත් නොවන බැවින් ඔක්ටෝ-කෝර් දෙගුණයක් ප්‍රයෝජනවත් නොවේ. අනෙක් අතට, GPU මධ්‍යයන් විවිධ දත්ත කොටස් හරහා එකම කාර්යයක් ඉටු කරන අතර පරිමාණයෙන් රේඛීයව කරන්න. බහු-මූලික CPUs පවතින බව පැහැදිලිය, නමුත් මෙය එකම දෙයක් නොවේ .

— ෆොෂි

15

ඔබ ඇත්තටම අසන්නේ ඇයි අපි CPU හි ගෘහ නිර්මාණ වැනි GPU භාවිතා නොකරන්නේ?

GPU යනු ග්‍රැෆික් කාඩ්පතක විශේෂිත CPU එකක් පමණි. පොදු අරමුණු CPU සමාන්තර හා පාවෙන ලක්ෂ්‍ය ක්‍රියාත්මක කිරීමේදී සමාන නොවන නිසා අපි GPU නොවන ග්‍රැෆික් ගණනය කිරීම් සඳහා ණය දෙන්නෙමු.

අපි ඇත්ත වශයෙන්ම විවිධ (වැඩි GPU-ish) CPU ගෘහ නිර්මාණ භාවිතා කරමු. උදා: නයගරා ප්‍රොසෙසර බහු කාර්යයන් වේ. SPARC T3 සමගාමී නූල් 512 ක් ධාවනය කරයි.

— jkj
source

පහත වැටීමක් ඇයි?

— jkj

3

මම හිතන්නේ අන්තිම පේළිය වැරදියි. ඇත්ත වශයෙන්ම, මට සිතිය හැක්කේ එක් x86 පමණක් ප්‍රධාන ධාරාවේ මෙහෙයුම් පද්ධතියක් ගැන පමණි; එය පවා ඇල්ෆා සහ ARM ප්‍රොසෙසර වෙත වරාය කර ඇත, මේ මොහොතේ එය වාණිජමය වශයෙන් ලබා දී නොමැත.

— ජේවියර්

හරි. නව ගෘහ නිර්මාණ ශිල්පය වෙනස් කිරීමට බාධා කරමින් ප්‍රධාන ධාරාවේ මෙහෙයුම් පද්ධති සහාය පිළිබඳ මගේ මතය වූ අවසාන කොටස ඉවත් කරන ලදි. පිළිතුරේ විෂය පථයට අයත් නොවිය හැකිය.

— jkj

12

මා මෙහි දරුණු ලෙස වරදවා වටහාගෙන ඇති අතර, මම මේ විෂය ගැන එතරම් බලයක් හෝ බලයක් නොමැතිව කතා කරමි.

CPU හා සසඳන විට සෑම GPU ක්‍රියාත්මක කිරීමේ ඒකකයකටම ("core") ඉතා සීමිත ලිපින ඉඩක් ඇතැයි මම විශ්වාස කරමි.
GPU ක්‍රියාත්මක කිරීමේ ඒකකවලට අතු බෙදීම සමඟ කාර්යක්ෂමව කටයුතු කළ නොහැක.
CPU ක්‍රියාත්මක වන ආකාරයටම GPU ක්‍රියාත්මක කිරීමේ ඒකක දෘඩාංග බාධා කිරීම් සඳහා සහය නොදක්වයි.

මම නිතරම සිතුවේ ජීපීයූ ක්‍රියාත්මක කිරීමේ ඒකක අදහස් කරන ආකාරය ප්ලේස්ටේෂන් 3 “එස්පීඊ” වැනි දෙයක්, ඔවුන්ට අවශ්‍ය වන්නේ දත්ත කාණ්ඩයක් ලබා දීමට, ඒ මත අනුක්‍රමික මෙහෙයුම් ගණනාවක් ක්‍රියාත්මක කිරීමට, ඉන්පසු තවත් වාරණයක් කෙළ ගසන්න දත්ත, මෙයට පිළියමක්, නැවත කරන්න. ප්‍රධාන "CPE" තරම් ආමන්ත්‍රණය කළ හැකි මතකයක් ඔවුන් සතුව නොමැති නමුත් අදහස වන්නේ එක් එක් "SPE" නිශ්චිත, අනුක්‍රමික කාර්යයක් සඳහා කැප කිරීමයි. එක් ඒකකයක ප්‍රතිදානය තවත් ඒකකයක ආදානය පෝෂණය කළ හැකිය.

දත්ත "විශ්ලේෂණය" කිරීමට සහ එම දත්ත මොනවාද යන්න මත පදනම්ව තීරණ රාශියක් ගැනීමට ඔවුන් උත්සාහ කරන්නේ නම් ක්‍රියාත්මක කිරීමේ ඒකක හොඳින් ක්‍රියා නොකරයි.

මෙම "දත්ත කොටස්" ප්‍රවාහයක කොටසක් විය හැකිය, එනම් ක්‍රීඩාවේ රාජ්‍ය වගුවෙන් සිරස් ලැයිස්තුවක්, තැටියකින් MPEG දත්ත යනාදිය.

මෙම "ප්‍රවාහ" ආකෘතියට යමක් නොගැලපේ නම් ඔබට කාර්යක්ෂමව සමාන්තරගත කළ නොහැකි කාර්යයක් ඇති අතර GPU අනිවාර්යයෙන්ම ඒ සඳහා හොඳම විසඳුම නොවේ. යතුරුපුවරුව, ජොයිස්ටික් හෝ ජාල ආදානය වැනි "බාහිර සිදුවීම්" පදනම් කරගත් දේවල් සැකසීම හොඳ උදාහරණයකි. එම ආකෘතියට නොගැලපෙන බොහෝ දේ නොමැත, නමුත් සෑම විටම කිහිපයක් ඇත.

— ලෝරන්ස් සී
source

ශාඛා පුරෝකථන ප්‍රශස්තිකරණය පිළිබඳ හොඳ කරුණක් - මම එය කිසි විටෙකත් නොසිතනු ඇත, නමුත් ඔබ හරි.

— ජිමී බ්‍රෙක්-මැකී

7

මෙය ඔරලෝසු වේගය හෝ අරමුණ ගැන කිසිවක් නොවේ . සියලු කාර්යයන් නොවන්නේ නම් ඔවුන් දෙදෙනාම බොහෝ දුරට සම්පූර්ණ කිරීමට සමත් ය; කෙසේ වෙතත් සමහර කාර්යයන් සමහර කාර්යයන් සඳහා තරමක් හොඳින් ගැලපේ.

ඇති වී ඇති ඉතා එය ගොළු මධ්යය ගොඩක් හෝ ඉතා ස්මාර්ට් මධ්යය කුඩා කණ්ඩායමක් ඉන්න එක හොඳ දෙයක් ද යන්න ගැන තර්කය. මෙය 80 දශකය දක්වා පහසුවෙන් ආපසු යයි.

CPU එකක් තුළ කළ හැකි ගණනය කිරීම් බොහොමයක් තිබේ. ස්මාර්ට් කෝර්ස් එකවර විවිධ ගණනය කිරීම් සිදු කිරීමට සමත් වේ (බහු හරය වැනි නමුත් එය සංකීර්ණ නොවේ; උපදෙස් මට්ටමේ සමාන්තරකරණය බලන්න ). ස්මාර්ට් හරයකට එකවර ගණනය කිරීම් කිහිපයක් කළ හැකිය (එකතු කිරීම, අඩු කිරීම, ගුණ කිරීම, බෙදීම, මතක ක්‍රියාකාරිත්වය) නමුත් වරකට එකක් පමණි; මේ නිසා, ඒවා භෞතිකව විශාල වන අතර (එම නිසා වඩා මිල අධික) පසුව අඳුරු හරය.

ගොළු හරයක් වඩා කුඩා වන අතර එම නිසා තවත් චිපයකට තවත් එකතු කළ හැකි නමුත් එකවර ගණනය කිරීම් කළ නොහැක. බොහෝ ගොළු හරයන් සහ ස්මාර්ට් කෝර් කිහිපයක් අතර හොඳ සමබරතාවයක් පවතී.

බහු-මූලික ගෘහ නිර්මාණ ශිල්පය ග්‍රැෆික්ස් සමඟ හොඳින් ක්‍රියා කරයි, මන්ද ගණනය කිරීම් සිය ගණනක් හරයන් හරහා පහසුවෙන් බෙදිය හැකි නමුත් එය කේතයේ ගුණාත්මකභාවය සහ වෙනත් කේතයක් එක් ගණනය කිරීමක ප්‍රති result ලය මත රඳා පවතීද යන්න මත රඳා පවතී.

මෙය පෙනෙනවාට වඩා බෙහෙවින් සංකීර්ණ ප්‍රශ්නයකි. වැඩි විස්තර සඳහා, CPU නිර්මාණය පිළිබඳ මෙම ලිපිය කියවන්න:

නවීන මයික්‍රොප්‍රොසෙසර් - මිනිත්තු 90 ක මාර්ගෝපදේශයකි

http://www.lighterra.com/papers/modernmicroprocessors/

— රිදී ගිනි
source

කරුණාකර දුර්වල ව්‍යාකරණ සමාවන්න සහ ඉහත සඳහන් කළ උප-සම-ලිවීමේ ශෛලියට, මගේ කෝපි නොතිබුණි. එය තරමක් සංකීර්ණ සංකල්පයක් වන අතර ඇතුළත් කර ඇති සබැඳිය වන්නේ ඔබට වැඩි විස්තර තේරුම් ගැනීමට අවශ්‍ය නම් ඔබ යා යුතු තැනයි. මගේ නරක පැහැදිලි කිරීම නොවේ

— සිල්වර් ෆයර්

2

මම එය ඔබ වෙනුවෙන් සවි කර ඇති අතර සබැඳියක්ද එක් කර ඇත්තෙමි.

— bwDraco

6

එක් සින්ටැක්ටික් කරුණක් ප්‍රකාශ කිරීමට මම කැමතියි: CPU සහ GPU යන යෙදුම් වාස්තු විද්‍යාත්මක නම් නොව ක්‍රියාකාරී නම් වේ.

පරිගණකයක් GPU එකක් එහි ප්‍රධාන සකසනය ලෙස භාවිතා කරන්නේ නම්, එය වාස්තු විද්‍යාත්මක හා සැලසුම නොසලකා “මධ්‍යම සැකසුම් ඒකකයක්” (CPU) බවට පත්වනු ඇත.

— ඇන්ඩ rew නීලි
source

5

එක් ප්‍රොසෙසරයක් “මධ්‍යම” සහ තවත් “ග්‍රැෆික්” එකක් බවට පත් කරන ගෘහ නිර්මාණ අවකාශයේ ඉන්ද්‍රජාලික බෙදීම් රේඛාවක් නොමැති බව මතක තබා ගත යුතුය. (හොඳයි, සමහර GPUs සම්පූර්ණයෙන්ම සාමාන්‍ය තත්වයට පත්වීමට නොහැකි තරමට අබලන් විය හැක, නමුත් ඒවා අප මෙහි කතා කරන්නේ ඒවා නොවේ.)

වෙනස වන්නේ ඒවා පුවරුවේ ස්ථාපනය කර ඇති ආකාරය සහ ඔවුන්ට ලබා දී ඇති කාර්යයන් ය. ඇත්ත වශයෙන්ම, අපි ප්‍රධාන දත්ත සංචලනය සඳහා පොදු කාර්ය සකසනයන් (හෝ පොදු කාර්ය සකසනයන් සමූහයක්) භාවිතා කරන අතර, ඒවායින් උපරිම ප්‍රයෝජන ලබා ගැනීම සඳහා විශේෂ, සමාන්තරගත, ගැඹුරින් නල මාර්ගයෙන් යුත් දේවල් (ග්‍රැෆික් වැනි) සඳහා භාවිතා කරමු.

ජීපීයූ යන්ත්‍ර ඉතා වේගයෙන් සිදු කිරීම සඳහා භාවිතා කර ඇති බොහෝ උපක්‍රම මුලින්ම දියුණු කරන ලද්දේ වේගවත් හා වඩා හොඳ CPU සෑදීමට උත්සාහ කරන පුද්ගලයින් විසිනි. වර්ඩ් සහ එක්සෙල් සහ නෙට්ස්කේප් සහ මිනිසුන් තම පරිගණක භාවිතා කරන බොහෝ දේ ග්‍රැෆික් විශේෂිත චිප්ස් වෙතින් ලබා දෙන අංගයන්ගෙන් පූර්ණ ප්‍රයෝජන ලබා ගැනීම පමණක් නොව, එම ගෘහ නිර්මාණ ශිල්පය මන්දගාමීව ධාවනය කිරීම නිසා ශාඛා විශාල හේතුවක් (ඉතා මිල අධික) සහ මන්දගාමී) පයිප්ප රේඛාව හිස් කරයි.

— dmckee --- හිටපු උපපරිපාලක පූස් පැටවා
source

1

මම හිතන්නේ නල මාර්ගයට ඉහළින් ඇති ඉහළ විස්තරයේ ඉහළ ශ්‍රේණියේ පිළිතුරු නොමැත.

— ස්ටීව්

3

GPU එකක් තිබීමේ මුලික කාරණය වූයේ එකල CPU විසින් මිල අධික ග්‍රැෆික් ගණනය කිරීම් වලින් සහනයක් ලබා ගැනීමයි.
ඒවා නැවත තනි සකසනයකට සම්බන්ධ කිරීමෙන් නැවත සියල්ල ආරම්භ වූ ස්ථානයට යයි.

— පෙට්රූසා
source

ඔව්, එක් පියවරක් ඉදිරියට, පියවර දෙකක් පසුපසට.

— රැන්ඩොල්ෆ් රිචඩ්සන්

3

සරල හේතුවක් නිසා: බොහෝ යෙදුම් බහු-නූල් / දෛශික නොවේ.

ග්‍රැෆික් කාඩ්පත් අවම වශයෙන් සංකල්පය තුළ බහු නූල් මත දැඩි ලෙස රඳා පවතී.

තනි එන්ජිමක් සහිත මෝටර් රථයක්, රෝදයකට එක් කුඩා එන්ජිමක් සහිත මෝටර් රථයක් සංසන්දනය කරන්න. පසුකාලීන මෝටර් රථය සමඟ, ඔබ සියලු එන්ජින් වලට අණ දිය යුතුය, එය පද්ධති ක්‍රමලේඛන දෘෂ්ටි කෝණයකට සැලකිල්ලට ගෙන නොමැත.

AMD විලයනය සමඟ වුවද, එය සැකසුම් බලය භාවිතා කළ යුතු ආකාරය වෙනස් කරයි: දෛශිකකරණය හෝ එක් නූල් සඳහා වේගවත්.

— jokoon
source

3

අප තවමත් CPU භාවිතා කිරීමට හේතුව CPU සහ GPU යන දෙකටම ඒවායේ සුවිශේෂී වාසි තිබීමයි. ACM පරිගනක සමීක්ෂණ 2015 හි පිළිගත් මගේ පහත ලිපිය බලන්න, එය 'CPU එදිරිව GPU විවාදයෙන්' ඉවත් වී 'CPU-GPU සහයෝගී පරිගණකකරණය' වෙත තීරණාත්මක හා සවිස්තරාත්මක සාකච්ඡාවක් සපයයි.

CPU-GPU විෂමජාතීය පරිගණක ශිල්පීය ක්‍රම පිළිබඳ සමීක්ෂණයක්

— user984260
source

2

සරලව කිවහොත් GPU මෝටර් රථයේ ට්‍රේලරය හා සැසඳිය හැකිය. සාමාන්‍යයෙන් විශාල ප්‍රමාණයක් මිලට ගන්නේ නම් නඩු හැර බහුතරයකට කඳ ප්‍රමාණවත් වේ. එවිට ඔවුන්ට ට්‍රේලරය අවශ්‍ය වේ. GPU හා සමානවම, සාමාන්‍යයෙන් සාමාන්‍ය CPU එකක් තිබීම ප්‍රමාණවත් වන අතර එමඟින් බොහෝ කාර්යයන් ඉටු වේ. නමුත් ඔබට බොහෝ නූල්වල දැඩි ගණනය කිරීම් අවශ්‍ය නම් ඔබට GPU අවශ්‍ය වේ

— යූරි සාලෙට්ස්කි
source

2

gpus හොඳ ප්‍රවාහ සකසනයකි. ධාරා සැකසීම දිගු සංඛ්‍යා මාලාවක් අනුක්‍රමිකව ගුණ කිරීම ලෙස ඔබට සිතිය හැකිය. cpus සතුව ධාරා සැකසුම් හැකියාවන් ඇත (එය SIMD දිගු ලෙස හැඳින්වේ) නමුත් ඔබට සියලු ක්‍රමලේඛන තර්කනයන් ප්‍රවාහ සැකසුම් ලෙස ක්‍රියාත්මක කළ නොහැකි අතර හැකි සෑම විටම සරල උපදෙස් භාවිතා කිරීමට අවශ්‍ය වන btyecode නිර්මාණය කිරීමට සම්පාදකයින්ට හැකිය.

සෑම දෙයක්ම සංඛ්‍යා සමූහයක් නොවේ. පින්තූර සහ වීඩියෝ සමහර විට ශබ්දය ද විය හැකිය (විවෘත කේත කේත මෙහි සහ එහි ඇත). එබැවින් gpus හට පින්තූර, වීඩියෝ සහ ඒ හා සමාන ඕනෑම දෙයක් සැකසීමට, කේතනය කිරීමට හා විකේතනය කිරීමට හැකිය. එක් අඩුපාඩුවක් නම්, ඔබට ක්‍රීඩා වලදී සෑම දෙයක්ම gpus වෙත පැටවිය නොහැකි වීමයි. මන්දයත් gpus ග්‍රැෆික්ස් සමඟ කාර්යබහුල වන අතර ක්‍රීඩා කරන විට පද්ධතියේ ඇති බාධකය විය යුතුය. ප්‍රශස්ත විසඳුම වනුයේ පරිගණකයේ ඇති සියලුම සංරචක සම්පූර්ණයෙන්ම භාවිතා කිරීමයි. උදාහරණයක් ලෙස, එන්වීඩියා හි භෞතික එන්ජිම පෙරනිමියෙන් gpu සම්පූර්ණයෙන් භාවිතා කරන විට cpu මත ගණනය කිරීම් සිදු කරයි.

— උහුර් ගාමහාන්
source