今天，小編將在這篇文章中為大家?guī)?a href="/tags/CPU" target="_blank">CPU和GPU的有關(guān)報道，通過閱讀這篇文章，大家可以對它具備清晰的認識，主要內(nèi)容如下。

一、CPU

CPU出現(xiàn)于大規(guī)模集成電路時代，處理器架構(gòu)設(shè)計的迭代更新以及集成電路工藝的不斷提升促使其不斷發(fā)展完善。從最初專用于數(shù)學計算到廣泛應(yīng)用于通用計算，從4位到8位、16位、32位處理器，最后到64位處理器，從各廠商互不兼容到不同指令集架構(gòu)規(guī)范的出現(xiàn)，CPU自誕生以來一直在飛速發(fā)展。

在計算機體系結(jié)構(gòu)中，CPU是對計算機的所有硬件資源(如存儲器、輸入輸出單元) 進行控制調(diào)配、執(zhí)行通用運算的核心硬件單元。CPU是計算機的運算和控制核心。計算機系統(tǒng)中所有軟件層的操作，最終都將通過指令集映射為CPU的操作。

二、圖形處理器GPU

圖形處理器是顯示卡的“心臟”，也就相當于CPU在電腦中的作用，它決定了該顯卡的檔次和大部分性能，同時也是2D顯示卡和3D顯示卡的區(qū)別依據(jù)。2D顯示芯片在處理3D圖像和特效時主要依賴CPU的處理能力，稱為“軟加速”。3D顯示芯片是將三維圖像和特效處理功能集中在顯示芯片內(nèi)，也即所謂的“硬件加速”功能。顯示芯片通常是顯示卡上最大的芯片(也是引腳最多的)?，F(xiàn)在市場上的顯卡大多采用NVIDIA和AMD兩家公司的圖形處理芯片。

GPU就是能夠從硬件上支持T&L(Transform and Lighting，多邊形轉(zhuǎn)換與光源處理)的顯示芯片，因為T&L是3D渲染中的一個重要部分，其作用是計算多邊形的3D位置和處理動態(tài)光線效果，也可以稱為“幾何處理”。一個好的T&L單元，可以提供細致的3D物體和高級的光線特效;只不過大多數(shù)PC中，T&L的大部分運算是交由CPU處理的(這就也就是所謂的軟件T&L)，由于CPU的任務(wù)繁多，除了T&L之外，還要做內(nèi)存管理、輸入響應(yīng)等非3D圖形處理工作，因此在實際運算的時候性能會大打折扣，常常出現(xiàn)顯卡等待CPU數(shù)據(jù)的情況，其運算速度遠跟不上今天復雜三維游戲的要求。即使CPU的工作頻率超過1GHz或更高，對它的幫助也不大，由于這是PC本身設(shè)計造成的問題，與CPU的速度無太大關(guān)系。

三、未來CPU+GPU的應(yīng)用發(fā)展如何?

當CPU和GPU協(xié)同工作時，因為 CPU 包含幾個專為串行處理而優(yōu)化的核心，而 GPU 則由數(shù)以千計更小、更節(jié)能的核心組成，這些核心專為提供強勁的并行運算性能而設(shè)計。程序的串行部分在 CPU 上運行，而并行部分則在 GPU上運行。GPU 已經(jīng)發(fā)展到成熟階段，可輕松執(zhí)行現(xiàn)實生活中的各種應(yīng)用程序，而且程序運行速度已遠遠超過使用多核系統(tǒng)時的情形。因此，CPU和GPU的結(jié)合剛好可以解決深度學習模型訓練在CPU上耗時長的問題，提升深度學習模型的訓練效率。

隨著CPU與GPU的結(jié)合，其相較于單獨CPU與GPU的應(yīng)用場景也不斷拓寬。

第一，CPU+GPU架構(gòu)適用于處理高性能計算。伴隨著高性能計算類應(yīng)用的發(fā)展，驅(qū)動算力需求不斷攀升，但目前單一計算類型和架構(gòu)的處理器已經(jīng)無法處理更復雜、更多樣的數(shù)據(jù)。數(shù)據(jù)中心如何在增強算力和性能的同時，具備應(yīng)對多類型任務(wù)的處理能力，成為全球性的技術(shù)難題。CPU+GPU的異構(gòu)并行計算架構(gòu)作為高性能計算的一種主流解決方案，受到廣泛關(guān)注。

第二，CPU+GPU架構(gòu)適用于處理數(shù)據(jù)中心產(chǎn)生的海量數(shù)據(jù)。數(shù)據(jù)爆炸時代來臨，使用單一架構(gòu)來處理數(shù)據(jù)的時代已經(jīng)過去。比如：個人互聯(lián)網(wǎng)用戶每天產(chǎn)生約1GB數(shù)據(jù)，智能汽車每天約50GB，智能醫(yī)院每天約3TB數(shù)據(jù)，智慧城市每天約50PB數(shù)據(jù)。數(shù)據(jù)的數(shù)量和多樣性以及數(shù)據(jù)處理的地點、時間和方式也在迅速變化。無論工作任務(wù)是在邊緣還是在云中，不管是人工智能工作任務(wù)還是存儲工作任務(wù)，都需要有正確的架構(gòu)和軟件來充分利用這些特點。

第三，CPU+GPU架構(gòu)可以共享內(nèi)存空間，消除冗余內(nèi)存副本來改善問題。在此前的技術(shù)中，雖然GPU和CPU已整合到同一個芯片上，但是芯片在運算時要定位內(nèi)存的位置仍然得經(jīng)過繁雜的步驟，這是因為CPU和GPU的內(nèi)存池仍然是獨立運作。為了解決兩者內(nèi)存池獨立的運算問題，當CPU程式需要在GPU上進行部分運算時，CPU都必須從CPU的內(nèi)存上復制所有的資料到GPU的內(nèi)存上，而當GPU上的運算完成時，這些資料還得再復制回到CPU內(nèi)存上。然而，將CPU與GPU放入同一架構(gòu)，就能夠消除冗余內(nèi)存副本來改善問題，處理器不再需要將數(shù)據(jù)復制到自己的專用內(nèi)存池來訪問/更改該數(shù)據(jù)。統(tǒng)一內(nèi)存池還意味著不需要第二個內(nèi)存芯片池，即連接到CPU的DRAM。

因此，通過CPU+GPU異構(gòu)并行計算架構(gòu)組成的服務(wù)器，正成為服務(wù)器市場中的一匹黑馬?，F(xiàn)在已有多家芯片廠商開始跟進。

最后，小編誠心感謝大家的閱讀。你們的每一次閱讀，對小編來說都是莫大的鼓勵和鼓舞。希望大家對CPU和GPU已經(jīng)具備了初步的認識，最后的最后，祝大家有個精彩的一天。