Tartalomjegyzék:
- Meghatározás - Mit jelent a GPU-val gyorsított számítástechnika?
- A Techopedia magyarázza a GPU-val gyorsított számítógépet
Meghatározás - Mit jelent a GPU-val gyorsított számítástechnika?
A GPU-val gyorsított számítástechnika a grafikus feldolgozó egység (GPU) és a számítógépes feldolgozó egység (CPU) alkalmazása annak érdekében, hogy megkönnyítsék a feldolgozást igénylő műveleteket, például a mély tanulást, az elemzést és a mérnöki alkalmazásokat. Az NVIDIA által 2007-ben kifejlesztett GPU sokkal kiemelkedőbb alkalmazási teljesítményt biztosít, mivel a feldolgozás-igényes alkalmazásrészeket eltávolítja a GPU-ról. A GPU-val gyorsított számítástechnikai telepítés egyre népszerűbbé válik az alkalmazások, például a mesterséges intelligencia, drónok, robotok vagy autonóm autók sokfélesége miatt.
A Techopedia magyarázza a GPU-val gyorsított számítógépet
A GPU elősegíti a szoftveralkalmazások kiváló teljesítményét. A felhasználó szempontjából a GPU-val gyorsított számítástechnika gyorsabbá teszi az alkalmazásokat. GPU-gyorsított számítási funkciók az alkalmazások számításigényes szakaszának a GPU-ra való áthelyezésével, míg a többi szakasz végrehajtása engedélyezett a CPU-ban. Míg a CPU magokból áll, amelyeket szekvenciális soros feldolgozásra terveztek, a GPU-t párhuzamos architektúrával tervezték, amely hatékonyabb, mégis kisebb magokból áll, amelyek egyszerre több feladatot tudnak kezelni. Ennek eredményeként a GPU-gyorsított számításban, míg a szekvenciális számításokat a CPU-ban hajtják végre, a nagyon komplex számításokat párhuzamosan kell kiszámítani a GPU-ban. A GPU-val gyorsított számítástechnika másik kiemelkedő tulajdonsága az összes párhuzamos programozási modell számára nyújtott támogatás, ezáltal segítve az alkalmazástervezőket és a fejlesztőket, hogy kiemelkedő alkalmazásteljesítményt biztosítsanak.
A GPU-val gyorsított számítástechnikát széles körben alkalmazzák a videószerkesztésben, az orvosi képalkotásban, a folyadéksimulációkban, a színosztályozásban és a vállalati alkalmazásokban, és ígéretes alkalmazása olyan összetett területeken, mint a mesterséges intelligencia és a mély tanulás.
