GPU、CPU:不止一字之差那么简单
D)的处理单元———顶点处理流水线(Vertex Shader),单指令多数据流(SIMD)的处理单元———像素处理流水线。这种以数据流作为处理单元的处理器,在对数据流的处理上可以获取较高的效率,因此很多研究人员从事一个新的研究领域:基于GPU 的通用计算(GPGPU:General- Purpose Computation onGraphics Processors),其主要研究内容除了图形处理以外,考虑更为广泛的应用计算。GPU最初的设计思想给这个新的领域带来了问题。GPU是专门为图形处理设计的处理器,它具有自己的存储单元,在数据存取方式上存在一定的特殊性,而且通常对GPU进行开发的是一些游戏厂商,使用非标准的编程模式,编程环境和体系结构方面绝大部分被当做商业机密,没有对研究人员公开,可参考的资料就有限,研究人员在研究并行算法的同时还必须研究如何使GPU在进行通用计算时取得最高的性能。针对上面的问题,研究人员已经提出了GPU通用编程模型和方法,无疑推动了GPU在非图形学领域的应用。 最近几年,在GPGPU方面取得了不少的成果,比如代数计算及流体模拟、数据库操作、频谱变换和滤波等。软件编程方面也有成果,高级绘制语言及实时绘制语言(绘制程序设计的思想源自于早年Pixar设计的RenderMan绘制软件,此软件多年来广泛应用于好莱坞电影制作的绘制),OpenGL shading language、斯坦福大学的RTSL(real- time shading language)、Microsoft的HLSL(high- level shading language) 以及NVIDIA的Cg在此方面具有较大的影响;流处理机编程环境及工具已开发出来扩大GPU的编程。 6. 结语 目前,CUDA和GPU的配合还不是很默契,真正面向民用市场还需一些时日,图形处理的市场越来越大,给GPU的发展提供了强大的驱动力。GPU应用于通用计算领域已经取得了一定的进展,GPU的身影会逐渐地出现在民用市场。 GPU和CPU的最终结果会怎样?众多因素的影响现在还不得而知。GPU会不会像386时代一样,最初作为独立芯片的数学协处理器387,最终融合到CPU中而消亡或者NVIDIA真的开发出像CPU那样能处理各种通用运算的GPU,GPU时代到来。无数的遐想出现在我们的头脑,还是让市场来决定这个容易引起争议的问题。
- SPI总线接口与简单配置(12-14)
- I2C 总线协议的简单总结(12-14)
- PLC简单容量的选择(12-13)
- AVR的EEPROM简单实验(11-30)
- 利用串口输入整数简单代码(11-30)
- 简单显示 _随机查询_以本次记录为起点查询(11-30)