この記事は、Superpower.comの許可を得て転載されました。
GPUはCPUを置き換えることはできません。同様に、CPUはGPUを置き換えることはできません。
イメージが理解されている場合、 GPUはアリのグループのようなものです。これらのアリはすべて同じことをします。CPUはサルのようです。サルはさまざまなことをしています。
基本的に、CPUとGPUは目的が異なり、焦点が異なりますが、パフォーマンスの特性も異なりますが、一部のジョブではCPUが高速に実行されます。
多くのデータで同じことをする必要がある場合、GPUがより適切です。同じデータで多くのことを行う必要がある場合、CPUは正しいです。
しかし、実際のアプリケーションでは、後者の方がCPUがより柔軟になり、より多くのタスクを実行できますGPUは何をすることができますか？機械学習アルゴリズム、マイニング、ブルートフォースクラッキングなどの大規模なマトリックス操作パスワードなどGPUが役立ちます。
簡単に言えば、 CPUは、分岐予測などの複雑な操作に優れています。GPUは、大量のデータを簡単に操作できるという点で優れています.1つは複雑な作業であり、もう1つは並行作業です。
実際に GPUは専用のCPUと見なすことができます 大規模なデータ・ブロックでの単一命令作業用に設計されたこれらのデータは、同じ動作です。
大量のデータを処理することは、同時に処理するために多くのトランジスタが必要になることを意味するため、フラッグシップグラフィックスカードは現在100億以上の価値があります。トランジスタ。
CPUの目的は、1つのデータに対して1つの命令をできるだけ速く実行することです。単一のデータに対して1つの命令しか必要としないため、必要なトランジスタの数ははるかに少なくなります。
現在主流となっているデスクトップCPUのトランジスタは、いずれもトップレベルのGPUの10倍以上の10億ドルを下回りますが、より大きな命令セット、より複雑なALU（算術論理ユニット）、優れた分岐予測、優れた仮想化アーキテクチャが必要です。 、遅延の低減など
さらに、x86プロセッサ用に書かれた私たちのオペレーティングシステムのWindowsのように、タスク実行プロセスを実行する必要があります.CPU上で確かに効率的です。各スレッドのタスクは同じではなく、基本的に並列化が難しいGPUはその強みを十分に発揮できません。
その後、CPUがデータブロックを処理する能力をさらに強化すると、CPUとGPUアーキテクチャの間にコンバージェンスがあり、製造技術の進歩とチップの縮小により、GPUもより複雑になることが予測されます指示。
CPUとGPUとの間の分業はまだかなり異なるが、両者の交差点は間違いない。
