Sisällysluettelo:
- Määritelmä - Mitä GPU-kiihdytetty tietojenkäsittely tarkoittaa?
- Techopedia selittää GPU-kiihdytetyn tietojenkäsittelyn
Määritelmä - Mitä GPU-kiihdytetty tietojenkäsittely tarkoittaa?
GPU-kiihdytetty laskenta on graafisen prosessointiyksikön (GPU) käyttö yhdessä tietokoneen prosessointiyksikön (CPU) kanssa prosessointiintensiivisten toimien, kuten syvän oppimisen, analysoinnin ja tekniikan sovellusten, helpottamiseksi. NVIDIA: n vuonna 2007 kehittämä GPU tarjoaa huomattavasti paremman sovellustehokkuuden poistamalla prosessointiintensiivisiä sovellusosia GPU: han. GPU-kiihdytetyn tietotekniikan käyttöönotto kasvaa suosion vuoksi monenlaisten sovellusten, joissa sitä voidaan käyttää, kuten esimerkiksi tekoälyn, droonien, robotien tai autonomisten autojen vuoksi.
Techopedia selittää GPU-kiihdytetyn tietojenkäsittelyn
GPU auttaa tarjoamaan erinomaisen suorituskyvyn ohjelmistosovelluksille. Käyttäjän kannalta GPU-kiihdytetty laskenta tekee sovelluksista nopeampia. GPU-kiihdytetyt laskentatoiminnot siirtämällä sovellusten laskentaintensiiviset osiot GPU: lle, kun taas jäljellä olevien osien sallitaan suorittaa CPU: ssa. Vaikka CPU koostuu ytimistä, jotka on suunniteltu peräkkäiseen sarjaprosessointiin, GPU on suunniteltu rinnakkaisella arkkitehtuurilla, joka koostuu tehokkaammista mutta pienemmistä ytimistä, jotka pystyvät helposti käsittelemään useita tehtäviä samanaikaisesti. Seurauksena on, että GPU-kiihdytetyssä laskennassa, kun peräkkäiset laskut suoritetaan CPU: ssa, erittäin monimutkaiset laskelmat lasketaan rinnakkain GPU: ssa. Toinen GPU-kiihdytetyn tietojenkäsittelyn tärkeä ominaisuus on tuki, jota tarjotaan kaikille rinnakkaisille ohjelmointimalleille, mikä auttaa sovellusten suunnittelijoita ja kehittäjiä tarjoamaan erinomaisen sovelluksen suorituskyvyn.
GPU-kiihdytettyä tietojenkäsittelyä on käytetty laajasti videon editoinnissa, lääketieteellisessä kuvantamisessa, nestesimulaatioissa, värien luokittelussa ja yrityssovelluksissa, ja sen käyttö on lupaava monimutkaisilla aloilla, kuten tekoäly ja syväoppiminen.
