
GPU 是什么:从图形处理到 AI 加速的专用电路
来源标题:Graphics Processing Unit
GPU 是专用于图像处理与加速计算机图形的电子电路,以独立显卡组件或嵌入主板、手机、PC、工作站和游戏机等形式存在。由于在线性代数运算上的加速能力,GPU 也越来越多用于人工智能处理与模型训练。现代 GPU 具备内部计算能力,可执行 3D 图像旋转缩放等任务,并支持运行 shader 等自定义程序,这一形态在 1990 年代形成。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
图形处理器(GPU)是一种专用电子电路,用于数字图像处理并加速计算机图形运算,它既可以作为独立显卡上的组件存在,也可以嵌入主板、手机、个人电脑、工作站和游戏主机中。由于GPU在图形处理中被广泛使用的线性代数加速能力,它也越来越常用于人工智能(AI)处理和模型训练。
尽管这一术语没有统一定义,且可能被用来描述任何视频显示系统,但在现代用法中,GPU具备在内部执行各种图形任务所需计算的能力,例如旋转和缩放3D图像,并且通常还具备运行称为着色器的自定义程序的能力。这与早期被称为视频显示控制器的图形控制器形成对比——后者没有内部计算能力,或者仅执行基本内存移动操作的位块传输器(blitter)。现代GPU诞生于20世纪90年代,增加了无需CPU协助即可执行绘制线条和文本等操作的能力,后来又增加了3D功能。
图形功能通常是相互独立的,这使得这些任务适合在单独的计算引擎上实现。现代GPU包含数百甚至数千个计算单元。由于其并行结构,这使得它们在涉及“令人尴尬的并行”问题的非图形计算中非常有用。GPU快速执行海量计算的能力使其被广泛应用于多个领域,包括人工智能(AI)——GPU在处理数据密集型和计算要求高的任务方面表现出色。其他非图形用途包括神经网络训练和加密货币挖矿。
许多公司以多个品牌名称生产GPU。2009年,[需要更新]Intel、Nvidia和AMD/ATI是市场份额领先者,分别占有49.4%、27.8%和20.6%的市场份额。此外,Matrox[1]最初生产定制解决方案,现在则为工作站用途定制来自Intel和AMD的GPU。景嘉微等中国公司也为国内市场生产GPU,不过就全球销量而言,它们落后于市场领先者。[2]
GPU构造的几个因素会影响显卡在实时渲染方面的性能,例如半导体器件制造中连接通路的尺寸、时钟信号频率,以及各种片上内存缓存的数量和大小。性能还受到Nvidia GPU的流式多处理器(SM)数量、AMD GPU的计算单元(CU)数量,或Intel Xe架构GPU的Xe核心数量的影响——这些描述了GPU芯片内执行核心计算的硅上处理器核心单元数量,通常与GPU上的其他SM/CU并行工作。GPU性能通常以每秒浮点运算次数(FLOPS)来衡量;现代GPU通常提供以teraflops(TFLOPS)计的性能。这是一个估算的性能指标,不应被视为事实,因为其他因素可能影响实际性能。[3]
现代GPU还包括用于光线追踪、视频编码和AI加速的专用硬件模块。
在个人电脑中,GPU主要有两种形式:独立显卡(也称为离散显卡)和集成显卡(也称为共享图形解决方案、集成图形处理器(IGP)或统一内存架构(UMA)。[4]
独立图形处理器使用专属于GPU的板载RAM,而不是依赖计算机的主系统内存。这种RAM通常针对显卡预期的串行工作负载专门选择,例如GDDR SDRAM。这具有巨大的性能优势,但缺点是当专用内存耗尽时会“ choked”,导致性能下降。
可扩展链接接口(SLI)、NVLink和CrossFire等技术允许将多个GPU同时为单一屏幕绘制图像,从而增加可用于图形处理的计算能力。然而,这些技术越来越不常见;大多数游戏并不能充分利用多GPU,因为大多数用户负担不起。[5][6][7][需要更好的来源]多GPU仍用于超级计算机(如Summit);用于工作站加速视频处理(同时处理多个视频)[8][4][9]和3D渲染;[10]用于视觉效果(VFX);[11]通用图形处理器(GPGPU)工作负载和模拟,[12]以及在AI中加速训练,如Nvidia的DGX工作站和服务器产品线。[需要引用]
集成图形处理器(iGPU)是直接构建在CPU上的小型GPU。这使得计算机无需独立显卡即可处理基本视觉任务,例如显示图形用户界面(GUI)、管理多显示器输出、播放高分辨率视频以及运行低图形要求的视频游戏。虽然通常主要用于笔记本电脑以节省空间和电池续航,但也可以在台式电脑中找到,以帮助降低噪音和能源成本。[13][14][15]
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。