GPU 与 CPU 的区别
GPU 即图形处理器(Graphics Processing Unit)
CPU 即中央处理器(Central Processing Unit)
两者的相同之处: 两者都有总线和外界联系, 有自己的缓存体系, 以及数字和逻辑运算单元.
两者的不同之处: 在于存在于片内的缓存体系和数字逻辑运算单元的结构差异: CPU 虽然有多核, 但总数没有超过两位数, 每个核都有足够大的缓存和足够多的数字和逻辑运算单元, 并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件; GPU 的核数远超 CPU, 被称为众核(NVIDIA Fermi 有 512 个核).
GPU 与 CPU 的设计区别
CPU 和 GPU 之所以大不相同, 是由于其设计目标的不同, 它们分别针对了两种不同的应用场景.
CPU 需要很强的通用性来处理各种不同的数据类型, 同时逻辑判断又会引入大量的分支跳转和中断的处理, 这些都使得 CPU 的内部结构异常复杂.
GPU 面对的则是类型高度统一的, 相互无依赖的大规模数据和不需要被打断的纯净的计算环境.
http://www.cnblogs.com/biglucky/p/4223565.html
GPU 与 CPU 性能比较
理解 GPU 和 CPU 之间区别的一种简单方式是比较它们如何处理任务. CPU 由专为顺序串行处理而优化的几个核心组成, 而 GPU 则拥有一个由数以千计的更小, 更高效的核心 (专为同时处理多重任务而设计) 组成的大规模并行计算架构.
性能比较视频:
https://www.youtube.com/watch?v=-P28LKWTzrI
什么类型的程序适合在 GPU 上运行?
计算密集型的程序. 所谓计算密集型 (Compute-intensive) 的程序, 就是其大部分运行时间花在了寄存器运算上, 寄存器的速度和处理器的速度相当, 从寄存器读写数据几乎没有延时. 可以做一下对比, 读内存的延迟大概是几百个时钟周期; 读硬盘的速度就不说了, 即便是 SSD, 也实在是太慢了.
易于并行的程序. GPU 其实是一种 SIMD(Single Instruction Multiple Data)架构, 他有成百上千个核, 每一个核在同一时间最好能做同样的事情.
GPU 与显卡的区别
显卡类型主要包括独立显卡和集成显卡:
独立显卡简称独显, 是指成独立的板卡, 需要插在主板的相应接口上的显卡, 通过 PCI-Express,PCI 或 AGP 等扩展槽界面与主板连接的, 而通常它们可以相对容易地被取代或升级(假设主板能支持升级), 现在还没有出现 GPU 插在主板上的, 因为 GPU 功耗很高, 背面电流过大, 还是焊接更为可靠. 独立显卡具备单独的显存, 不占用系统内存, 而且技术上领先于集成显卡, 能够提供更好的显示效果和运行性能. 显卡作为电脑主机里的一个重要组成部分, 对于喜欢玩游戏和从事专业图形设计的人来说显得非常重要.
集成显卡一般不带有显存, 而是使用系统的一部分主内存作为显存, 具体的数量一般是系统根据需要自动动态调整的. 显然, 如果使用集成显卡运行需要大量占用内存的空间, 对整个系统的影响会比较明显, 此外系统内存的频率通常比独立显卡的显存低很多, 因此集成显卡的性能比独立显卡要逊色一些. 使用集成了显卡的芯片组的主板, 并不是必须使用集成的显卡, 主板完全可以把集成的显卡屏蔽, 只是出于成本, 很少会这样做.
GPU 是 GPU 是显卡的处理器, 是显卡的最主要部件! 是显卡的心脏, 大脑! 显卡是由 GPU(图像处理器)+ 显存 + PVC 版 + 金手指 + 挡板 + 接口 + 电容电阻等元件 + 散热器共同组成的, 因为 GPU 最重要, 所以约定俗成 GPU 往往是显卡的代名词.
如何查看电脑显卡
Windows 下有好几种方式:
右键 "我的电脑"- 属性(打开系统属性)-"硬件" 选项下的 "设备管理器"-"显示卡" 选项
开始 - 运行 - 输入 dxdiag - DirectX 诊断工具显示面板
Linux 查看显卡信息:
lspci | grep -i vga
使用 nvidia GPU 可以:
lspci | grep -i nvidia
CUDA 和什么是 CUDNN 的区别
CUDA(Compute Unified Device Architecture), 是显卡厂商 NVIDIA 推出的运算平台. CUDA™是一种由 NVIDIA 推出的通用并行计算架构, 该架构使 GPU 能够解决复杂的计算问题.
NVIDIA cuDNN 是用于深度神经网络的 GPU 加速库. 它强调性能, 易用性和低内存开销. NVIDIA cuDNN 可以集成到更高级别的机器学习框架中, 如加州大学伯克利分校的流行 caffe 软件. 简单的, 插入式设计可以让开发人员专注于设计和实现神经网络模型, 而不是调整性能, 同时还可以在 GPU 上实现高性能现代并行计算.
检查电脑显卡是否支持 CUDA
CUDA 是由 NVIDIA 推出的通用并行计算架构. 所以可以拿你的显卡型号去英伟达的官网看下是否支持: https://developer.nvidia.com/cuda-gpus
也可以安装 GPU 信息查看软件, 如:
参考资料:
- https://www.nvidia.cn/object/what-is-gpu-computing-cn.html
- https://blog.csdn.net/CYJ2014go/article/details/80283007
- http://www.cnblogs.com/biglucky/p/4223565.html
- https://blog.csdn.net/CYJ2014go/article/details/80283007
- https://developer.nvidia.com/cuda-gpus
- https://blog.csdn.net/qq_35239859/article/details/79827203
- https://www.techpowerup.com/download/techpowerup-gpu-z/
- https://blog.csdn.net/sunjinshengli/article/details/52917600
- https://help.sketchup.com/en/sketchup/how-can-i-find-out-which-graphics-card-i-have-my-pc
来源: http://www.mzh.ren/gpu-intro-00.html