GPU学习总结

GPU简介

  • 处理器(cpu)功耗按照下式计算:P = CV 2 ^2 2f

    • 其中C为电容,V为电压,f为处理器主频。
    • P值越高说明cpu性能越好,频率越大P越大,但是对散热的要求越高。
  • CPU的局限性

    • “摩尔定律”:由于物理定律的局限性,采用提高CPU制程和主频的办法遇到了工艺上的壁垒,暂时无法突破。
    • cpu好不好看FLOPS(每秒做多少运算),Memory Bandwith (能把内存多少数据读到计算单元上去)
  • GPU与CPU的异同
    GPU学习总结

  • 目前最强大的GPU(广泛用于人工智能图像处理)

    • NVIDIA Tesla V100
  • GeForce GTX(游戏卡) VS Tesla

    • GPU学习总结
  • CPU与GPU融合

    • GPU学习总结
  • 并行开发环境

    • GPU学习总结

    • CUDA环境 只适应于nvdia的gpu,由nvdia公司开发。

    • OpenCL环境号称适应于所有的gpu。

  • 存储

    • cpu:数据存储在内存上。
    • gpu:数据存储在显存上。

注:学习源来自:朱虎明 ,西安电子科技大学人工智能学院副教授