GPU学习总结

GPU简介

• 处理器（cpu）功耗按照下式计算：P = CV${}^2$f

  • 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
  

• 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

  • 

• CPU与GPU融合

  • 

• 并行开发环境

  • 

  • 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
​