이 기사는 Superpower.com의 허가를 받아 재 인쇄되었습니다.
GPU는 CPU를 대체 할 수 없으며, CPU는 GPU를 대체 할 수 없습니다.
이미지가 이해되면, GPU는 개미 그룹과 같습니다.이 개미들은 모두 똑같은 일을합니다 .CPU는 원숭이와 같습니다. 원숭이는 다른 일을하고 있습니다.
근본적으로 CPU와 GPU는 목적이 다르며 초점이 다르며 성능 특성도 다르며 일부 작업에서는 CPU가 더 빠르게 실행됩니다. 다른 작업에서는 GPU가 더 좋을 수 있습니다.
많은 양의 데이터로 동일한 작업을 수행해야하는 경우 GPU가 더 적합합니다. 동일한 데이터로 많은 작업을 수행해야하는 경우 CPU가 올바르게 작동합니다.
GPU는 무엇을 할 수 있습니까? 기계 학습 알고리즘, 마이닝 및 무차별 균열과 같은 그래픽 및 대규모 매트릭스 작업에 관한 것입니다. 암호 등 GPU가 도움이 될 것입니다.
간단히 말해서, CPU는 분기 예측과 같은 복잡한 연산을 잘 처리하며 GPU는 많은 양의 데이터에 대해 간단한 연산을 수행하는 데 능숙합니다. 하나는 복잡한 노동이고 다른 하나는 많은 병렬 작업입니다.
사실 GPU는 전용 CPU로 볼 수 있습니다. , 큰 데이터 블록에 대한 단일 명령 작업을 위해 설계된이 데이터는 동일한 작업입니다.
데이터 처리의 덩어리가 병렬로 작동하는 하나 개의 데이터 처리, 데이터의 큰 블록을 처리 할 수 있기 때문에 명령 실행 비용이 크게 감소되며, 더 많은 트랜지스터를 의미보다 더 효율적임을 알 지금 주력 그래픽 카드보다 10 억 트랜지스터.
CPU는, 그것의 목적은 단지 단일 명령 단일 데이터가 필요하기 때문에. 하나의 데이터를 가능한 한 빨리 하나의 명령을 실행하고, 필요한 트랜지스터의 수는 매우 적다.
현재 메인 스트림 데스크탑 CPU 트랜지스터 억 이하, 10 배 이상과 최고의 GPU의 차이가 있습니다,하지만, 더 복잡한 ALU (산술 논리 장치), 더 나은 분기 예측, 더 나은 가상화 아키텍처 지침의 큰 세트가 필요합니다 낮은 지연 등을 포함한다.
또한, 우리의 운영 체제 윈도우로,이 x86 프로세서를 위해 작성, 프로세스가 확실히 더 효율적으로 CPU에서 수행 된 작업을 수행 할 필요가, 당신은 각 스레드의 작업이 병렬 기본적으로 어려운 동일하지 않습니다 싶어 GPU가 강점을 충분히 발휘할 수 없습니다.
그래서, 예측 가능한 미래에 추가 데이터 블록의 CPU를 처리 할 수있는 능력을 강화하기 위해, 우리는 CPU와 GPU 아키텍처 간의 통합을보고, 진행 상황에와 칩 제조 기술을 줄일 수, GPU는보다 정교한 감당할 수 지침.
다음은 CPU와 GPU 사이의 분업,하지만 여전히 아주 다른,하지만 그들 사이의 교차점은 의심 할 여지없이 더있을 것입니다.
