什么是GPU？GPU的主要作用和工作原理以及GPU和CPU的區(qū)別

　　談GPU的作用、原理及與CPU、DSP的區(qū)別

　　GPU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）。GPU使顯卡減少了對CPU的依賴，并進行部分原本CPU的工作，尤其是在3D圖形處理時。GPU所采用的核心技術(shù)有硬體T&L、立方環(huán)境材質(zhì)貼圖和頂點混合、紋理壓縮和凹凸映射貼圖、雙重紋理四像素256位渲染引擎等，而硬體T&L技術(shù)可以說是GPU的標志。

　　GPU 能夠從硬件上支持T&L（TransformandLighting，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。

　　主要作用

　　今天，GPU已經(jīng)不再局限于3D圖形處理了，GPU通用計算技術(shù)發(fā)展已經(jīng)引起業(yè)界不少的關(guān)注，事實也證明在浮點運算、并行計算等部分計算方面，GPU可以提供數(shù)十倍乃至于上百倍于CPU的性能，如此強悍的“新星”難免會讓CPU廠商老大英特爾為未來而緊張，NVIDIA和英特爾也經(jīng)常為CPU和GPU誰更重要而展開口水戰(zhàn)。GPU通用計算方面的標準目前有 OPEN CL、CUDA、ATI STREAM。其中，OpenCL（全稱Open Computing Language，開放運算語言）是第一個面向異構(gòu)系統(tǒng)通用目的并行編程的開放式、免費標準，也是一個統(tǒng)一的編程環(huán)境，便于軟件開發(fā)人員為高性能計算服務(wù)器、桌面計算系統(tǒng)、手持設(shè)備編寫高效輕便的代碼，而且廣泛適用于多核心處理器（CPU）、圖形處理器（GPU）、Cell類型架構(gòu)以及數(shù)字信號處理器（DSP） 等其他并行處理器，在游戲、娛樂、科研、醫(yī)療等各種領(lǐng)域都有廣闊的發(fā)展前景，AMD-ATI、NVIDIA現(xiàn)在的產(chǎn)品都支持OPEN CL。 NVIDIA公司在1999年發(fā)布GeForce 256圖形處理芯片時首先提出GPU的概念。從此NV顯卡的芯就用這個新名字GPU來稱呼。GPU使顯卡減少了對CPU的依賴，并進行部分原本CPU的工作，尤其是在3D圖形處理時。GPU所采用的核心技術(shù)有硬體T&L、立方環(huán)境材質(zhì)貼圖和頂點混合、紋理壓縮和凹凸映射貼圖、雙重紋理四像素256 位渲染引擎等，而硬體T&L技術(shù)可以說是GPU的標志。

　　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(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。

　　GPU與DSP區(qū)別

　　GPU在幾個主要方面有別于DSP（Digital Signal Processing，簡稱DSP（數(shù)字信號處理）架構(gòu)。其所有計算均使用浮點算法，而且目前還沒有位或整數(shù)運算指令。此外，由于GPU專為圖像處理設(shè)計，因此存儲系統(tǒng)實際上是一個二維的分段存儲空間，包括一個區(qū)段號（從中讀取圖像）和二維地址（圖像中的X、Y坐標）。此外，沒有任何間接寫指令。輸出寫地址由光柵處理器確定，而且不能由程序改變。這對于自然分布在存儲器之中的算法而言是極大的挑戰(zhàn)。最后一點，不同碎片的處理過程間不允許通信。實際上，碎片處理器是一個SIMD數(shù)據(jù)并行執(zhí)行單元，在所有碎片中獨立執(zhí)行代碼。

　　盡管有上述約束，但是GPU還是可以有效地執(zhí)行多種運算，從線性代數(shù)和信號處理到數(shù)值仿真。雖然概念簡單，但新用戶在使用GPU計算時還是會感到迷惑，因為GPU需要專有的圖形知識。這種情況下，一些軟件工具可以提供幫助。兩種高級描影語言CG和HLSL能夠讓用戶編寫類似C的代碼，隨后編譯成碎片程序匯編語言。Brook是專為GPU計算設(shè)計，且不需要圖形知識的高級語言。因此對第一次使用GPU進行開發(fā)的工作人員而言，它可以算是一個很好的起點。Brook是C語言的延伸，整合了可以直接映射到 GPU的簡單數(shù)據(jù)并行編程構(gòu)造。經(jīng) GPU存儲和操作的數(shù)據(jù)被形象地比喻成“流”（stream），類似于標準C中的數(shù)組。核心（Kernel）是在流上操作的函數(shù)。在一系列輸入流上調(diào)用一個核心函數(shù)意味著在流元素上實施了隱含的循環(huán)，即對每一個流元素調(diào)用核心體。Brook還提供了約簡機制，例如對一個流中所有的元素進行和、最大值或乘積計算。Brook還完全隱藏了圖形API的所有細節(jié)，并把GPU中類似二維存儲器系統(tǒng)這樣許多用戶不熟悉的部分進行了虛擬化處理。用Brook編寫的應(yīng)用程序包括線性代數(shù)子程序、快速傅立葉轉(zhuǎn)換、光線追蹤和圖像處理。利用ATI的X800XT和Nvidia的GeForce 6800 Ultra型GPU，在相同高速緩存、SSE匯編優(yōu)化Pentium 4執(zhí)行條件下，許多此類應(yīng)用的速度提升高達7倍之多。

　　對GPU計算感興趣的用戶努力將算法映射到圖形基本元素。類似Brook這樣的高級編程語言的問世使編程新手也能夠很容易就掌握GPU的性能優(yōu)勢。訪問GPU計算功能的便利性也使得GPU的演變將繼續(xù)下去，不僅僅作為繪制引擎，而是會成為個人電腦的主要計算引擎。

　　GPU和CPU的區(qū)別是什么？

　　要解釋兩者的區(qū)別，要先明白兩者的相同之處：兩者都有總線和外界聯(lián)系，有自己的緩存體系，以及數(shù)字和邏輯運算單元。一句話，兩者都為了完成計算任務(wù)而設(shè)計。

　　兩者的區(qū)別在于存在于片內(nèi)的緩存體系和數(shù)字邏輯運算單元的結(jié)構(gòu)差異：CPU雖然有多核，但總數(shù)沒有超過兩位數(shù)，每個核都有足夠大的緩存和足夠多的數(shù)字和邏輯運算單元，并輔助有很多加速分支判斷甚至更復雜的邏輯判斷的硬件；GPU的核數(shù)遠超CPU，被稱為眾核（NVIDIA Fermi有512個核）。每個核擁有的緩存大小相對小，數(shù)字邏輯運算單元也少而簡單（GPU初始時在浮點計算上一直弱于CPU）。從結(jié)果上導致CPU擅長處理具有復雜計算步驟和復雜數(shù)據(jù)依賴的計算任務(wù)，如分布式計算，數(shù)據(jù)壓縮，人工智能，物理模擬，以及其他很多很多計算任務(wù)等。GPU由于歷史原因，是為了視頻游戲而產(chǎn)生的（至今其主要驅(qū)動力還是不斷增長的視頻游戲市場），在三維游戲中常常出現(xiàn)的一類操作是對海量數(shù)據(jù)進行相同的操作，如：對每一個頂點進行同樣的坐標變換，對每一個頂點按照同樣的光照模型計算顏色值。GPU的眾核架構(gòu)非常適合把同樣的指令流并行發(fā)送到眾核上，采用不同的輸入數(shù)據(jù)執(zhí)行。在 2003-2004年左右，圖形學之外的領(lǐng)域?qū)＜议_始注意到GPU與眾不同的計算能力，開始嘗試把GPU用于通用計算（即GPGPU）。之后NVIDIA 發(fā)布了CUDA，AMD和Apple等公司也發(fā)布了OpenCL，GPU開始在通用計算領(lǐng)域得到廣泛應(yīng)用，包括：數(shù)值分析，海量數(shù)據(jù)處理（排序，Map- Reduce等），金融分析等等。

　　簡而言之，當程序員為CPU編寫程序時，他們傾向于利用復雜的邏輯結(jié)構(gòu)優(yōu)化算法從而減少計算任務(wù)的運行時間，即Latency。當程序員為GPU編寫程序時，則利用其處理海量數(shù)據(jù)的優(yōu)勢，通過提高總的數(shù)據(jù)吞吐量（Throughput）來掩蓋 Lantency。目前，CPU和GPU的區(qū)別正在逐漸縮小，因為GPU也在處理不規(guī)則任務(wù)和線程間通信方面有了長足的進步。另外，功耗問題對于GPU比 CPU更嚴重。

　　總的來講，GPU和CPU的區(qū)別是個很大的話題，甚至可以花一個學期用32個學時十幾次講座來講。