Què significa la GPU del nucli?

La GPU (say NVidia) està feta de multiprocessadors de flux que consisteix en matrius de processadors de flux o nucli de CUDA. Hi ha 5120 nuclis de la CUDA a V100. Un propòsit general (sy Intel) la CPU "només té fins a 48 nuclis.

Com és un nucli de la GPU diferent a un nucli de la CPU? És essencialment la diferència en les instruccions acceptades? Quina és la freqüència d'un nucli de CUDA?

Edita

Les operacions de registre de vectors d' una CPU són d' una instrucció simple Múltiples dades (SIMD), el nucli distribuït entre les graella/ blocs de vent/ plòtil de la GPU és un simple fils d' instrucció múltiple (SIMT). Podem dir que la GPU només és un dispositiu SIMT? I les dades? Són els diferents fils executant- se en paral· leles aplicant el mateix nucli a diferents conjunts de dades? Llavors sembla que una GPU fa tant SIMD com SIMT. T'agradaria comentar?

2 respostes 2

Una CPU és una màquina de propòsit molt més general que una GPU. Podríem parlar de l'ús d'una GPU com a "objectiu general" GPU, però tenen diferents fortaleses.

Els nuclis de la CPU són capaços d' una gran varietat d' operacions i d' acord (el que es pot considerar per a totes les intencions) una branca aleatòria instrucció Un corrent. Diversos programes que tots els vying per temps al processador i que estan controlats pel sistema operatiu. A la memòria cau i prediuen tant com poden mentre encara intentaven seguir tractant amb canvis sobtats en el flux d' instruccions.

Les GPUs d'altra banda estan dissenyades per fer front a dades Fluxos. Els seus processadors estan dissenyats per treballar amb una petita sèrie d' instruccions (un programa de tons) a través d'una gran quantitat de dades potencialment. HD, 2k i 4k contenen un gran nombre de píxels, i un retall ha d'executar programes a través de tots els píxels de l'èxit per aconseguir efectes particulars. Per a això, els seus programes són (comparats a una CPU) més petits, el seu cau percora de manera similar, però el seu ample a la memòria fenomenalment més ràpid.

Podrien, amb programació adequada, ser capaços d'aconseguir les mateixes tasques, però el focus de instruccions contra dades El processament és el que separa una CPU des d' una GPU.

Així com els seus nuclis estan dissenyats per a treballar amb aquestes fortaleses. Durant molt de temps els nuclis de l' ombra de la GPU s'han operat al voltant de 1-2GHz (bases gràfics d'informació del moden llista les seves velocitats com a 500 MHz a 1. 5GHz ) mentre la CPU ha estat en qualsevol lloc entre 1,5 i 4GHz i més.

El processament d' instruccions beneficia més de la velocitat de les unitats individuals perquè pot ser difícil o impossible trencar un flux d' instruccions en múltiples fluxos, per tant les CPU han de ser més ràpides de tractar amb instruccions més ràpides. El problema és que com més ràpid executeu un nucli de calor genera de manera que arribis a un límit en quant de ràpid el puguis executar. (Hi ha altres limitacions tècniques que afecten la velocitat del rellotge, però això és quelcom per una altra història.)

El processament de dades d'una altra banda es deixa executar la mateixa tasca (programa) en diferents conjunts de dades i paral· lelisme, per tant, els nuclis més que podeu llançar a la tasca el millor. Executar nuclis a una velocitat més lenta genera menys calor. Menys calor vol dir que pots posar més nucli, per tant millor a través de les dades. Per tant, les tasques es beneficien d' un diferent (més petit, més prim) tipus de nucli a una CPU.

El resultat final és que tenim dos tipus diferents de processador. Un és l'objectiu de fluxos d' instruccions generals, i un altre que apunta a la gestió de dades a l'engròs.

Avui, els nuclis de la CPU sovint s'anomenen nuclis de l'artpCPU - g energalCity name (optional, probably does not need a translation) p Reposa els nuclis de la CPU. Un que apunta el dit a la diferència gran: un nucli gpCPU s' optimitza per a fer moltes coses bastant bé, mentre que un nucli de la GPU està dissenyat per a fer una cosa (basicament punt SIMD flotant), molt bé.

Un nucli de la GPU ho sap (cloat a) res sobre l'IO, la competència de la memòria cau i els amics i el seu rendiment enter és mediocre.

Per a les carreges de FP SIMD, la GPU és un accelerador brillant: penseu en la gpCPU com a gestor i el nucli de la GPU com als treballadors. Tots dos són necessaris per completar la feina, i tots dos són especialitzats en el seu paper.