GPU是什么意思？
GPU是什么意思？
圖形處理器（英語：graphics processing unit，縮寫：GPU），又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。
GPU是圖形處理器，一般GPU就是焊接在顯卡上的， 大部分情況下，我們所說GPU就等于指顯卡，但是實際情況是GPU是顯示卡的“心臟”，是顯卡的一個核心零部件，核心組成部分。它們是“寄生與被寄生”關系。GPU本身并不能單獨工作，只有配合上附屬電路和接口，才能工作。這時候，它就變成了顯卡。
理器”。(圖像處理單元)GPU是相對于CPU的一個概念，由于在現代的計算機中(特別是家用系統，游戲的發燒友)圖形的處理變得越來越重要，需要一個專門的圖形的核心處理器。
GPU工作原理
簡單說GPU就是能夠從硬件上支持T&L（Transform and Lighting，多邊形轉換和光源處理）的顯示芯片，由于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位置與處理動態光線效果，也能稱為“幾何處理”。
一個好的T&L單元，能提供細致的3D物體和高級的光線特效；只不過大多數PC中，T&L的大部分運算是交由CPU處理的(這就也就是所謂軟件T&L)，因為CPU的任務繁多，除了T&L之外，還要做內存管理和輸入響應等非3D圖形處理工作，所以在實際運算的時候性能會大打折扣。
-
Infocode藍暢 評論
與CPU相比，專用圖形硬件唯一的計算優勢是速度，但速度卻至關重要。
這里首先介紹一下GPU中的數據并行處理通用策略，不同的處理器體系結構使用了不同的策略來避免延遲。CPU通常采用存取速度較快的本地緩存來避免延遲問題，還可以通過使用諸如分支預測、指令重新排序、寄存器重命名和緩存預取技術來避免延遲。
而GPU采用不同的策略，GPU芯片上的大部分區域都集成的shader core。shader core是由一大組（通常上千個）處理器（processors）構成的并行處理單元。GPU是一個流處理器，依次處理有序的相似數據集。比如一組頂點或片元就是相似的數據集。因此GPU可以以大規模并行的方式處理這些數據。另一個重要的因素是，數據處理是盡可能獨立的，因此它們不需要來自鄰近的（頂點，片元）信息，也不共享可寫的內存位置。這個規則有時會被打破，但會帶來多余的延遲。
GPU對數據處理速度做了單獨的優化，但是也有其自己的弊端。由于高速緩存（cache memory）和控制邏輯（control logic）的芯片面積更少。每個著色核心（shader core）的延遲通常比CPU處理器遇到的延遲要高得多。
這里以GPU運行時由于讀取紋理時遇到的延遲來舉例。這是最常見的發生延遲的情況，因為紋理通常存儲在外部內存（顯存）上而不是靠近shader core 的cache。讀取通常需要成百上千個時鐘周期。假如現在有100個片元等待計算。處理器正在執行第一個片元著色器，并按以下步驟執行：1.做一個簡單的代數計算。2.讀取紋理。為了隱藏第二步讀取紋理時的延遲，處理器會在等待數據傳輸時先切換到第二個片元著色器，并執行第二個片元著色器的第一步1.做一個簡單的代數計算。然后第二個片元著色器會讀取紋理，接著切換到第三個……一直到100個片元著色器的第一步都執行完畢。然后第一個片元著色器的紋理讀取此時已經完成，開始執行第一個片元著色器的后續步驟。
在上述例子中，GPU通過切換片元來保持繁忙來隱藏延遲。更進一步，gpu通過將指令執行邏輯與數據分離來使得這個設計更進一步。稱為single instruction, multiple data(SIMD)。顧名思義，這種設計使一組固定數量著色程序同步執行相同的指令，雖然計算時它們各自的數據可能有所不同。相比起單個邏輯和調度單元來運行每個程序，這樣會節省大量功耗以及減少用以處理，交換數據的芯片。
現在把上述的例子轉換成GPU中常用術語。對每個片元著色器的調用稱為線程（thread）。與cpu的線程稍微有點不用的是，GPU的線程需要為著色器程序的輸入準備少量的內存資源，同時還有執行期間的寄存器資源。使用相同著色器程序的線程被打包成組（比如一組內都是片元著色器或者頂點著色器）。這樣的一組被稱為warps（NVIDIA）或者wavefronts （AMD）。warp會由一些數量的shader core使用SIMD方案執行（sahder core的數量8到64不等 ）。warp中的每一個線程（tread）對應了一個SIMD lane（可以理解為一個待執行線程對應著SIMD并行處理架構中的一個處理通道。）
現在用一個新的例子，這里有2000個片元著色器待處理。也就是2000個線程（thread）。nividia通常把32個線程綁定為一個warp。也就是分成了 2000/32 = 62.5 個warp。這里取整數也就是63個warp，第63個warp中少放點線程就行。warp中的32個線程會以在32個處理器上同步執行。當warp執行到內存讀取這種延遲較高的步驟時，此時warp中的32個線程因為同步，都在執行當前內存讀取的指令。為了減少延遲，這32個處理器會切換到下一個warp執行。和上文提到的單個處理器例子類似，只是處理器的數量和對應的線程數量變成了原來的32倍。但是切換時的速度還是和單核的一樣快。
2年前 0條評論
