首先需要解釋CPU(Central Processing Unit)和GPU(Graphics Processing Unit)這兩個(gè)縮寫分別代表什么。CPU即中央處理器，GPU即圖形處理器。其次，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)。　　CPU和GPU均有自己的存儲(chǔ)，控制邏輯和運(yùn)算單元，但區(qū)別是CPU的控制邏輯更復(fù)雜，而GPU的運(yùn)算單元雖然較小但是眾多，GPU也可以提供更多的寄存器和程序猿可控的多級(jí)存儲(chǔ)資源。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(méi)有超過(guò)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(duì)小，數(shù)字邏輯運(yùn)算單元也少而簡(jiǎn)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(zhǎng)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(zhǎng)的視頻游戲市場(chǎng))，在三維游戲中常常出現(xiàn)的一類操作是對(duì)海量數(shù)據(jù)進(jìn) 行相同的操作，如：對(duì)每一個(gè)頂點(diǎn)進(jìn)行同樣的坐標(biāo)變換，對(duì)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_(kāi)始注意到GPU與眾不同的計(jì)算能力，開(kāi)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(kāi)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(jiǎn)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(shì)，通過(guò)提高總的數(shù)據(jù)吞吐量(Throughput)來(lái)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(zhǎng)足的進(jìn)步。另外，功耗問(wèn)題對(duì)于GPU比CPU更嚴(yán)重。總結(jié)的一句話：CUDA是針對(duì)GPU做開(kāi)發(fā)，使得GPU發(fā)揮強(qiáng)大的計(jì)算能力，CUDA編程是C語(yǔ)言，其中nvcc是其中C語(yǔ)言的編譯器．

總結(jié)

以上是生活随笔為你收集整理的CPU和GPU对比的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。