科技改變生活！NVIDIA Tesla深入解析

2023-08-09 17:42:54 5

    CPU和作業系統是現代PC的動力提供者，並為用戶解決了數值計算這個有時困難到令人無法相信的問題。在你使用電腦，一邊聽音樂、瀏覽網站、一邊閱讀電子郵件的同時，作業系統會跟蹤記錄你的所有活動，並與後臺交流信息、將你使用到的信息組織起來，儘管CPU一次只能執行多個獨立任務中的一個，但是由於其運行速度足夠快，所以這一系列任務看上去是同時執行。而對新一代多核CPU來說，每個核心都可以真正同時的執行更多的任務。

 不同的計算類型決定了GPU的架構更加適合通用計算

    另外一種不同類型的計算問題——並行計算，卻一直局限在大型伺服器集群和超型計算機領域。標準CPU架構的特長是管理多個離散的任務，但是有些任務能夠被細分為多個更小的單位並且可以被並行化，CPU在處理這些任務的時候並沒有突出的性能優勢，但這恰恰就正好是適合GPU解決的問題類型。

    對於快速、廉價的解決這一類問題，GPU有著相當大的潛力可以發揮。GPU計算可以使得PC和工作站具有超級計算的能力，並且可以擴展伺服器集群的處理範圍，以解決先前CPU集群不能處理的問題。

    GPU計算的目標是充分利用GPU先天的巨大計算能力，以解決在高性能計算領域內許多相當困難但很重要的問題。

 GPU的浮點運算能力和CPU不在一個數量級

    在剛剛過去的幾年中，圖形處理單元（GPU）已經發展為具有強勁馬力的計算設備。由於具有多達128個的處理單元以及相當高的存儲帶寬，為GPU提供了多到令人難以置信的計算資源，在圖形或非圖形處理中都是如此。

    上圖的結果主要是由於GPU在架構上就是為計算密集型處理而設計，高強度並行計算—這本身也是圖像渲染的需要。因此在GPU中，更多的電晶體被用於數據處理而不是數據存儲與流控制。

    GPU特別適合處理那些可以具有較高算法強度且可以被被表達為並行數據計算的問題，換句話說，同樣的程序如果通過細分成眾多數據元素的並行執行，會具有較高的算術操作與存儲操作之比。

     CPU的處理方式是使用一個單獨的程序順序的循環處理數據，GPU則是進行數據的並行處理，它把數據元素映射、規劃為數以千計的並行處理線程。很多應用程式都有一個較大的數據集，就可以通過數據並行編程模式來加速他們的執行。這些應用程式包括：

·地震模擬
·計算生物學
·選擇商業風險計算
·醫學成像
·模式識別
·信號處理
·物理仿真