GPU图形加速器

  GPU（Graphic Processing Unit），中文翻译成图形处理器。CPU不同，GPU它是专门为处理图形任务而生产的芯片。从这个任务定位来看，不仅在计算机显卡上，在手机、游戏机等多媒体处理需求的地方也可以看到GPU的身影。

  在GPU出现之前，CPU一直负责计算机的主要操作，包括多媒体处理。CPU和GPU架构差异很大，CPU有许多功能模块可以适应复杂的操作环境；GPU目前，流处理器和显存控制器占据了绝大多数晶体管。CPU大多数晶体管主要用于构建控制电路和Cache，只有少数晶体管完成实际操作。而GPU控制相对简单，对Cache需求小，所以大部分晶体管可以形成各种专用电路和多条流水线GPU计算速度有突破性的飞跃，处理浮点操作能力更强。CPU多媒体处理中的缺陷也很明显：多媒体计算通常需要更高的计算密度、多并发线程和频繁的存储器访问，因为X86平台中CISC架构中的临时存器数量有限，CPU这类工作不适合处理。对于GPU它的任务是在屏幕上合成数百万像素的图像——也就是说，数百万任务需要并行处理，所以GPU许多任务可以并行处理，而不是像CPU完成单个任务。

  什么是GPU图形加速云服务器？

  GPU图形加速云服务器（GPU Cloud Computing）是基于GPU适用于实时高速并行计算和浮点计算的计算服务 3D 图形应用程序、视频解码、深度学习、科学计算等应用场景。GPU图形加速云服务器装配GPU与一般云加速器相比，云加速器的超高性能云服务器ECS云服务器，GPU云服务器能提供的计算能力超过一大部分，GPU图像处理能力优秀，所以GPU云服务器在视频和图形相关行业也很有用。

  GPU图形加速云服务器原理

  GPU一推出就包含比例CPU在多媒体处理过程中，处理单元越多，带宽越大，效率越高。例如：目前的顶级CPU只有4个核或6个核，模拟8个或12个处理线程进行计算，但在普通级别GPU它包含数百个处理单元，高端甚至更多，这对多媒体计算中的大量重复处理过程具有天然的优势。下图展示了CPU和GPU对比架构。

  在硬件设计方面，CPU 它由几个核心组成，专门为顺序串行处理而优化。另一方面，GPU 它由成千上万的小而高效的核心组成，专门为同时处理多个任务而设计。

  通过上图，我们可以更容易地理解串行运算和并行运算的区别。传统的串行编写软件具有以下特点：在单一的中央处理器中运行（CPU）在计算机上；一个问题分解成一系列离散指令；指令必须一个接一个地执行；只有一个指令可以随时执行。并行计算改进了许多重要的细节：使用多个处理器；问题可分解为离散指令；每个部分进一步细分为一系列指令；每个部分的问题可以同时在不同的处理器上执行。

  以生活为例，你要点餐厅外卖，CPU型餐厅用大卡车送货，每次可以拉很多外卖，但是送完一家才能送到下一家。每个人收到外卖的时间一定很长；和GPU型餐厅用十辆小摩托车送货，每辆车送货不多，但并行处理效率高，点餐后收货会比大卡车快很多。

  在1999年Nvidia还提出了GPGPU（GeneralPurpose GPU）概念，即基础GPU通用计算。CPU 它包含几个优化串行处理的核心， GPU 它由数千个更小、更节能的核心组成，专门为提供强大的并行性能而设计。程序的串行部分是 CPU 并行部分在上面运行 GPU上运行。这样可以最大限度地提高程序运行的效率。这就是GPU加速的基本思想。

  转载链接：https:// ** .xinruiyun.cn/gpu/869.html