通俗的講gpu和cpu-tft每日頭條

CPU、GPU是經常會遇到的IT名詞，它們和計算機的性能息息相關，很多人就算不了解這個應該也會經常聽到這兩個名詞吧，下面就為大家簡單介紹下。

通俗的講gpu和cpu（簡要介紹CPU與GPU的區别）1

CPU即中央處理器，GPU即圖形處理器。其次，要解釋兩者的區别，要先明白兩者的相同之處：兩者都有總線和外界聯系，有自己的緩存體系，以及數字和邏輯運算單元。一句話，兩者都為了完成計算任務而設計。

通俗的講gpu和cpu（簡要介紹CPU與GPU的區别）2

兩者的區别在于存在于片内的緩存體系和數字邏輯運算單元的結構差異：

CPU雖然有多核，但總數沒有超過兩位數，每個核都有足夠大的緩存和足夠多的數字和邏輯運算單元，并輔助有很多加速分支判斷甚至更複雜的邏輯判斷的硬件；

GPU的核數遠超CPU，被稱為衆核（NVIDIA Fermi有512個核）。每個核擁有的緩存大小相對小，數字邏輯運算單元也少而簡單（GPU初始時在浮點計算上一直弱于CPU）。從結果上導緻CPU擅長處理具有複雜計算步驟和複雜數據依賴的計算任務，如分布式計算，數據壓縮，人工智能，物理模拟，以及其他很多很多計算任務等。

GPU由于曆史原因，是為了視頻遊戲而産生的（至今其主要驅動力還是不斷增長的視頻遊戲市場），在三維遊戲中常常出現的一類操作是對海量數據進行相同的操作，如：對每一個頂點進行同樣的坐标變換，對每一個頂點按照同樣的光照模型計算顔色值。GPU的衆核架構非常适合把同樣的指令流并行發送到衆核上，采用不同的輸入數據執行。

圖形學之外的領域專家開始注意到GPU與衆不同的計算能力，開始嘗試把GPU用于通用計算（即GPGPU）。之後NVIDIA發布了CUDA，AMD和Apple等公司也發布了OpenCL，GPU開始在通用計算領域得到廣泛應用，包括：數值分析，海量數據處理（排序，Map-Reduce等），金融分析等等。

通俗的講gpu和cpu（簡要介紹CPU與GPU的區别）3

簡而言之，當程序員為CPU編寫程序時，他們傾向于利用複雜的邏輯結構優化算法從而減少計算任務的運行時間，即Latency。當程序員為GPU編寫程序時，則利用其處理海量數據的優勢，通過提高總的數據吞吐量（Throughput）來掩蓋Lantency。目前，CPU和GPU的區别正在逐漸縮小，因為GPU也在處理不規則任務和線程間通信方面有了長足的進步。另外，功耗問題對于GPU比CPU更嚴重。