談GPU的作用、原理及與CPU、DSP的區(qū)別

　　GPU和CPU的區(qū)別是什么?

　　要解釋兩者的區(qū)別，要先明白兩者的相同之處：兩者都有總線和外界聯(lián)系，有自己的緩存體系，以及數(shù)字和邏輯運(yùn)算單元。一句話，兩者都為了完成計(jì)算任務(wù)而設(shè)計(jì)。

　　兩者的區(qū)別在于存在于片內(nèi)的緩存體系和數(shù)字邏輯運(yùn)算單元的結(jié)構(gòu)差異：CPU雖然有多核，但總數(shù)沒有超過兩位數(shù)，每個(gè)核都有足夠大的緩存和足夠多的數(shù)字和邏輯運(yùn)算單元，并輔助有很多加速分支判斷甚至更復(fù)雜的邏輯判斷的硬件;GPU的核數(shù)遠(yuǎn)超CPU，被稱為眾核(NVIDIA Fermi有512個(gè)核)。每個(gè)核擁有的緩存大小相對小，數(shù)字邏輯運(yùn)算單元也少而簡單(GPU初始時(shí)在浮點(diǎn)計(jì)算上一直弱于CPU)。從結(jié)果上導(dǎo)致CPU擅長處理具有復(fù)雜計(jì)算步驟和復(fù)雜數(shù)據(jù)依賴的計(jì)算任務(wù)，如分布式計(jì)算，數(shù)據(jù)壓縮，人工智能，物理模擬，以及其他很多很多計(jì)算任務(wù)等。GPU由于歷史原因，是為了視頻游戲而產(chǎn)生的(至今其主要驅(qū)動(dòng)力還是不斷增長的視頻游戲市場)，在三維游戲中常常出現(xiàn)的一類操作是對海量數(shù)據(jù)進(jìn)行相同的操作，如：對每一個(gè)頂點(diǎn)進(jìn)行同樣的坐標(biāo)變換，對每一個(gè)頂點(diǎn)按照同樣的光照模型計(jì)算顏色值。GPU的眾核架構(gòu)非常適合把同樣的指令流并行發(fā)送到眾核上，采用不同的輸入數(shù)據(jù)執(zhí)行。在2003-2004年左右，圖形學(xué)之外的領(lǐng)域?qū)＜议_始注意到GPU與眾不同的計(jì)算能力，開始嘗試把GPU用于通用計(jì)算(即GPGPU)。之后NVIDIA發(fā)布了CUDA，AMD和Apple等公司也發(fā)布了OpenCL，GPU開始在通用計(jì)算領(lǐng)域得到廣泛應(yīng)用，包括：數(shù)值分析，海量數(shù)據(jù)處理(排序，Map-Reduce等)，金融分析等等。

　　簡而言之，當(dāng)程序員為CPU編寫程序時(shí)，他們傾向于利用復(fù)雜的邏輯結(jié)構(gòu)優(yōu)化算法從而減少計(jì)算任務(wù)的運(yùn)行時(shí)間，即Latency.當(dāng)程序員為GPU編寫程序時(shí)，則利用其處理海量數(shù)據(jù)的優(yōu)勢，通過提高總的數(shù)據(jù)吞吐量(Throughput)來掩蓋Lantency.目前，CPU和GPU的區(qū)別正在逐漸縮小，因?yàn)镚PU也在處理不規(guī)則任務(wù)和線程間通信方面有了長足的進(jìn)步。另外，功耗問題對于GPU比CPU更嚴(yán)重。

　　總的來講，GPU和CPU的區(qū)別是個(gè)很大的話題，甚至可以花一個(gè)學(xué)期用32個(gè)學(xué)時(shí)十幾次講座來講。