Grafisk behandlingsenhed - beregningsfunktioner og dens arkitektur

Prøv Vores Instrument Til At Fjerne Problemer





I computerenheder har vi en behandlingsenhed, der behandler dataene. Denne enhed er kendt som den centrale behandlingsenhed. Enhedens hovedopgaver inkluderer kodning og afkodning af data, lagring af data, behandling og kompilering af data, udførelse af data osv. Frekvensen af CPU bestemmer hastigheden på enhedens forarbejdning eller bearbejdning. Når du arbejder på en stor mængde data, kræver det større hukommelseslager. I dag med stigningen i billedbehandlingsteknikker nyder vi high definition-billeder, klar grafik osv. Den matematiske operation, der kræves til disse teknikker, er meget enorm og kræver en hurtigere behandlingsenhed. For at overvinde dette kom den grafiske behandlingsenhed (GPU) i rampelyset.

Hvad er en grafisk behandlingsenhed?

Behandlingsenheder anvendes til at foretage beregninger i en computerenhed. Med fremkomsten af ​​teknologikoncepter som 3D-billeder, High Definition-videostreaming, Grafik osv. Introduceres. For at implementere disse koncepter på en hardwareenhed skal der udføres store og komplekse matematiske operationer og med større hastighed.




Den centrale behandlingsenhed kan, selvom den har høj frekvens, ikke behandle beregningerne af en sådan stor skala effektivt. Så en dedikeret behandlingsenhed til udførelse af større beregninger med høj frekvens blev introduceret. Denne behandlingsenhed blev kaldt en grafisk behandlingsenhed. GPU er en specialiseret elektronisk enhed, der hovedsageligt bruges til beregninger baseret på computergrafik og billedbehandling. Disse er enten indlejret i SoC sammen med mikroprocessoren eller hovedprocessoren eller fås som stand-alone chips med dedikerede hukommelsesenheder.

Beregningsfunktioner

Til beregninger relateret til 3D-computergrafik bruger GPU de transistorer, der er til stede i sit design. Beregningerne omkring 3D-grafikken inkluderer geometriske operationer såsom rotation og oversættelse af hjørner i forskellige koordinatsystemer, strukturkortlægning og gengivelse af polygoner. Mange nylige GPU-funktioner inkluderer også CPU'ens funktionalitet, oversampling og interpolationsteknikker til at reducere aliasing.



I dag har der været en enorm stigning i brugen af ​​GPU med stigningen i dyb læring og maskinindlæringsteknologier. For at træne en dyb læringsmodel skal der udføres et større antal komplekse beregninger. Brug af GPU har gjort træningen af ​​modeller for maskinindlæring lettere.

Grafiske processorenheder viser sig at være 250 gange hurtigere end CPU. I GPU-accelereret videodekodning udfører GPU delene af videodekodningsprocessen og videoefterbehandling. Den almindeligt anvendte API til dette formål er DxVA, VDPAU, VAAPI, XvMC, XvBA. Her er DxVA til det Windows-baserede operativsystem, og de resterende er til Linux-baserede og Unix-lignende operativsystemer. XvMC kan kun afkode videoer kodet med MPEG-1 og MPEG-2.


Videoafkodningsprocesserne, der kan udføres af GPU, er som følger -

  • Bevægelseskompensation
  • Omvendt diskret kosinetransform
  • Omvendt modificeret diskret cosinustransformation.
  • In-loop deblockering filter
  • Forudsigelse inden for rammen
  • Omvendt kvantisering
  • Afkodning med variabel længde
  • Rumlig-tidsmæssig deinterlacing
  • Automatisk registrering af interlace-kilde
  • Bitstream-behandling
  • Perfekt pixelpositionering

Arkitektur for grafisk behandlingsenhed

GPU bruges normalt som en co-processor sammen med CPU'en. Ved dette kan CPU'en udføre videnskabelig og teknisk computing til generelle formål med højere frekvens. Her flyttes den tidskrævende og beregningsintensive del af koden til GPU'en, mens den resterende kode stadig fungerer på CPU'en. GPU udfører parallel behandling af koden og øger dermed systemets ydeevne. Denne type computing er kendt som Hybrid Computing.

Arkitektur for grafisk behandlingsenhed

Arkitektur for grafisk behandlingsenhed

I modsætning til CPU, der indeholder to til otte CPU-kerner, består GPU af hundreder af mindre kerner. Alle disse kerner arbejder sammen i parallel behandling. For effektivt at bruge funktionerne i GPU's parallelle databehandlingsarkitektur har applikationsudviklere hos NVIDIA designet en parallel programmeringsmodel kaldet 'CUDA'.

GPU-arkitektur adskiller sig efter model. GPU's generelle arkitektur består af flere processorklynger. Disse klynger indeholder flere streaming-multiprocessorer. Her, hver af streamingene multiprocessorer indeholder et lag af lag-1 instruktionscache sammen med tilhørende kerner.

GPU-formularer

Baseret på deres funktionalitet og behandlingsmetoder findes der forskellige former for GPU på markedet. Der er to hovedformer af GPUin personlige computere - dedikeret grafikkort, integreret grafik. Det dedikerede grafikkort er også kendt som Diskret GPU. Integreret grafik er også kendt som Unified memory-arkitektur, delte grafikløsninger.

Det meste af GPU'en er designet i betragtning af deres applikation som til 3D-grafikbehandling, spil osv. GeForceGTX er specielt designet til spil, Nvidia Titan er designet til cloud computing, Nvidia Quadro er designet til arbejdsstation og 3D-animationer, Nvidia Tesla designet til cloud workstation og kunstig intelligens træning, Nvidia Drive PX designet til den automatiserede bil osv ...

Dedikeret grafikkort

Systemer med dedikeret GPU kaldes 'DIS-systemer'. Her refererer dedikeret til det faktum, at disse GPU-chips har en dedikeret vædder bruges udelukkende af kortet. Disse er normalt grænseflade med bundkortet ved hjælp af udvidelsesstik som PCI Express eller Accelerated Graphics Port. Disse chips kan let udskiftes eller opgraderes. På grund af størrelses- og vægtbegrænsninger er dedikeret GPU på bærbare computere grænseflader gennem en ikke-standard slot.

Integreret grafikbehandlingsenhed

Denne type GPU har ikke en dedikeret RAM-enhed. I stedet bruger den en del af computerhukommelsen til dens drift. Denne GPU kan integreres på bundkortet enten som en del af dets chipsæt eller bygges på den samme matrice med CPU. Disse har mindre kapacitet end det dedikerede grafikkort, men er billigere at implementere. Intel HD Graphics og AMD Accelerated Processing Unit er eksemplerne på denne GPU.

Hybrid grafikbehandling

Funktionaliteten af ​​denne GPU ligger mellem det dedikerede grafikkort og det integrerede grafikkort. Dette bruger en del af systemhukommelsen og har også en lille dedikeret hukommelsescache. Denne dedikerede cache udgør den høje latenstid af RAM. ATIs hyperhukommelse og Nvidias TurboCache er de hyppigt anvendte hybrid grafikbehandlingsenheder.

Stream Processing og General Processing GPU'er

Disse kaldes populært som GPGPU'er. Generel grafikbehandlingsenhed bruges almindeligvis som den modificerede streamprocessor til at udføre computerkerner. Ved hjælp af dette koncept bruges den enorme beregningskraft i den moderne grafikaccelerators shader som den generelle computerkraft. Til massive vektoroperationer giver denne metode højere ydeevne end en simpel CPU.

Ekstern GPU

Svarende til en stor ekstern harddisk er denne grafiske behandlingsenhed også til stede på ydersiden af ​​computerenheden. Disse er også eksternt forbundet til bærbare computere. Laptops har normalt en god mængde RAM og en tilstrækkelig kraftig CPU. I stedet for en kraftig grafikprocessor er bærbare computere indlejret med en mindre kraftig, men mere energieffektiv indbygget grafikchip. Disse er ikke stærke nok til at udføre spilgrafik og understøtter ikke højere grafikspil. Så denne eksterne GPU bruges sammen med bærbare computere til højere ydeevne.

Med den stigende efterspørgsel efter høj grafik og gode billedopløsninger øges også efterspørgslen efter mere kraftfulde GPU'er. Med tilgængeligheden af ​​kraftfuld GPU kan der opnås meget mere inden for teknologier med høj behandling såsom maskinindlæring og dyb læring. GPU har også fremskyndet et enormt boom i spilbranchen. Mange høje grafiske spil er blevet lanceret, der udnytter kraften fra GPU fuldt ud. Hvilken type GPU kan tilsluttes eksternt til bærbare computere?

Ofte stillede spørgsmål

1). Er en GPU et grafikkort?

Et grafikkort til stede på computerenheden er en hel hardwaredel. Mens en GPU er en chip til stede på grafikkortet.

2). Hvilken er en hurtigere CPU eller GPU?

I dag er GPU tilgængelig med større hukommelsesenheder, større processorkraft og større hukommelsesbåndbredde sammenlignet med den traditionelle CPU. Så det viser sig, at GPU er ca. 50 til 100 gange hurtigere end CPU'en.

3). Hvor mange kerner har en GPU?

GPU udfører parallel computing. Det har hundredvis af mindre kerner, der arbejder sammen. Denne massive parallelle computing giver GPU'en sin overlegne computerkraft.

4). Er RTX eller GTX bedre?

Sammenlignet med GTX 1080 Ti har RTX 2080 nyere teknologi og tilbyder bedre, hurtigere ydelse. RTX har lavere omkostninger sammenlignet med GTX.

5). Kan en GPU erstatte en CPU?

GPU er hurtigere end CPU'en. De udfører opgaven meget hurtigt ved at udføre mange opgaver ad gangen. Men det kan kun udføre visse højere frekvensoperationer og alle andre henrettelser som mangling af afbrydelser, datalagring udføres af CPU. Nej, GPU kan ikke erstatte en CPU.