GPU -- 图形处理器（显卡）

news2024/11/24 16:19:41

GPU

显卡（Graphics Processing Unit，GPU）是计算机中的一种专门用于处理图形和图像相关任务的硬件设备。它是计算机图形和图像处理的关键组成部分，通常用于加速图形渲染、视频解码、机器学习、科学计算和其他高度并行的计算工作负载。

GPU与CPU的区别：

CPU（Central Processing Unit，中央处理单元）是计算机的大脑，负责通用计算任务。
GPU是专门设计用于处理并行计算任务的硬件。它包含了大量的小型处理单元，可以同时执行多个任务，特别擅长于处理大规模数据并行计算任务，例如图形渲染、深度学习神经网络的训练等。

GPU能够并行处理大量数据，而CPU则更加擅长单线程的计算

集成显卡： 就是和主板连在一起的一体式显示芯片
在这里插入图片描述

核心显卡： 是新一代的只能图形核心，他整合在智能处理器当中，相当于是和CPU一体的显示芯片。如i7-7700k自带的hd630
在这里插入图片描述

独立显卡： 是通过插槽连接到主板上的显卡，是独立的个体，连接方式大概和独立声卡独立网卡相同。如主流显卡gtx1060
在这里插入图片描述

GPU 的主要信息和功能

图形处理：最初，GPU 主要用于图形渲染，帮助计算机生成和显示图像、视频和3D图形。它可以高效地处理像素和顶点操作，以在屏幕上渲染复杂的图像。
并行计算：GPU 的强大之处在于其并行计算能力。它包含了大量的小处理核心，可以同时执行多个任务。这使得 GPU 在科学计算和通用计算领域具有巨大的潜力，特别是在处理大规模数据集和需要大量计算的应用中。
CUDA 和 OpenCL：NVIDIA 的 CUDA 和 OpenCL 是两种常见的 GPU 编程框架，允许开发者编写并行计算应用程序，以利用 GPU 的计算能力。这些框架支持各种编程语言，包括C++、Python等。
深度学习和人工智能：GPU 在深度学习和人工智能领域中变得越来越重要。由于深度学习模型通常涉及大量的矩阵运算，GPU 的并行计算能力非常适合加速训练和推理任务。许多深度学习框架（如TensorFlow、PyTorch）已经支持 GPU 加速。
游戏和娱乐：GPU 仍然是游戏和娱乐产业的关键组件。高性能 GPU 可以提供出色的游戏图形和虚拟现实体验，使游戏更加逼真。
数据科学：在数据科学和大数据领域，GPU 用于加速数据处理、机器学习和数据可视化任务，特别是对于需要大量并行计算的应用。
密码学和加密：GPU 也用于加速密码学和加密算法，以提高数据安全性。
云计算：云服务提供商通常提供 GPU 云实例，使用户能够在云中运行 GPU 加速的应用程序，无需购买专用硬件。

显存

显存，也称为显存器（Graphics Memory），是计算机图形处理单元（GPU）用于存储和处理图形数据的特殊类型的内存。显存是 GPU 在进行图形渲染和图形计算任务时存储图像、纹理、帧缓冲区和其他图形相关数据的地方。

用途：显存用于存储 GPU 处理的图形数据，包括屏幕上的像素、纹理贴图、渲染缓冲区、帧缓冲区和其他与图形相关的临时数据。这些数据通常需要快速访问以进行图形渲染和图形计算。
高速访问：显存具有非常高的读取和写入速度，这是因为它通常是高带宽、低延迟的内存类型。这使得 GPU 能够在短时间内读取和写入大量图形数据，从而实现流畅的图形渲染。
带宽：显存的带宽是指单位时间内可以传输数据的量，通常以每秒字节（GB/s）为单位来表示。更高的显存带宽意味着 GPU 能够更快地读取和写入图形数据，从而提高图形性能。
显存类型：有不同类型的显存，包括 GDDR5、GDDR6、HBM（High Bandwidth Memory）等。这些类型的显存具有不同的特性，如带宽、时钟速度和能效。选择适当的显存类型取决于应用的需求和 GPU 的规格。
帧缓冲区：显存通常包括一个帧缓冲区，用于存储当前图像帧的像素数据。这是图形渲染中非常关键的一部分，因为它存储了正在显示的图像内容。
纹理贴图：显存还用于存储纹理贴图，这是一种用于赋予物体表面细节和纹理的图像。纹理贴图可以被 GPU 快速访问，以进行贴图映射和渲染。
共享系统内存：有些集成显卡和移动设备的 GPU 可能会共享系统内存，而不具备独立的显存。这种情况下，显存和系统内存是同一块内存的一部分，但通常性能较低。