GPU是啥玩意？

http://www.nvidia.cn/page/home.html

英伟达网站，值得一看

GPU的发展历程　　第一代GPU(1999年以前)：部分功能从CPU分离，实现硬件加速　　GE(Geometry Engine)为代表，只能起到3D图像处理的加速作用，不具有软件编程特性　　第二代GPU(1999年-2002年)：进一步硬件加速和有限的编程性　　1999年NVIDIA GeForce 256将T&L(Transform and Lighting)等功能从 CPU分离出来，实现了快速变换　　2001年NVIDIA和ATI分别推出的GeForce3和Radeon 8500，图形硬件的流水线被定义为流处理器，出现了顶点级可编程性，同时像素级也具有有限的编程性，但GPU的编程性比较有限　　第三代GPU(2002年以后)：方便的编程环境(如 CUDA )　　2002年ATI发布的Radeon 9700和2003年NVIDIA GeForce FX的推出　　2006年NVIDIA与ATI分别为推出了CUDA(Computer Unified Device Architecture，统一计算架构)编程环境和CTM(Close To the Metal)编程环境　　随着GPU可编程性不断增强，特别是CUDA 等编程环境的出现，使GPU通用计算编程的复杂性大幅度降低。 由于可编程性、功能、性能不断提升和完善，GPU已演化为一个新型可编程高性能并行计算资源。 全面开启GPU面向通用计算的新时代已到来。
现有的两种GPU结构　　基于流处理器阵列的主流GPU结构　　以NVIDIA的GeForce8800GTX和ATI的HD 2900为代表 GeForce 8800GTX包含了128个流处理器，HD 2900包含了 320个流处理器。这些流处理器可以支持浮点运算、分支处理、流水线、SIMD（Single Instruction Multiple Data，单指令流多数据流）等技术。　　基于通用计算核心的GPU结构　　Intel Larrabee核心是一组基于x86指令集的CPU核, CPU核拓展了x86指令集，并包含大量向量处理操作和若干专门的标量指令，同时还支持子例程以及缺页中断。　　前者相对于后者具有更高的聚合计算性能，而后者则在可编程性上具有更大的优势。
GPU的作用介绍　　GPU决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖GPU的处理能力，称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。　　今天，GPU已经不再局限于3D图形处理了，GPU通用计算技术发展已经引起业界不少的关注，事实也证明在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能，GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。
GPU的主要厂商　　GPU有非常多的厂商都生产，和CPU一样，生产的厂商比较多，但主流的还是只有两三个生产厂商。　　intel　　intel不但是世界上最大的CPU生产销售商，也是世界最大的GPU生产销售商。　　intel的GPU在现在完全是集成显卡，用于intel的主板和intel的笔记本。要是只按发售数量计算，intel随着他主板发售的集成GPU占据了整个GPU市场的60%以上。　　nVidia　　现在最大的独立显卡生产销售商，他的显卡包括现在大家熟悉的G 　　G eforce系列，比如GF9800GTX,GTX260,GF8600GT等，还有专业的Quadro系列等。　　nVidia也同样销售固化在主板上的集成显卡，这些显卡随着主板一起发售，但是由于AMD兼并ATI后自身主板芯片能力提高，NV主板如日中天的景象已经失去了半壁江山。　　AMD(ATI)　　世界上第二大的独立显卡生产销售商，他的前身就是ATI。他的显卡主要就是大家熟悉的HD系列，比如HD3850,HD4650,HD4870等。　　由于AMD兼并ATI后，其主板市场迅速扩大，已经夺取了NV在amd处理器主板的半壁江山。就发售量和发售盈利方面，AMD显卡方面仍然略输于nv,不过两者不相伯仲，差距只是几个百分点。　　Matrox。　　当年和nv,ati一起争夺独立显卡市场份额的一家公司，在曾经的一个时期Matrox的显卡和nv,ati曾经在性能上比肩过。但由于后来其开发能力日渐衰退，在GF5时期，也就是ati的9000系列时期，Matrox由于性能上整整落后了GF5900和Raden9800一个世代而逐渐被淘汰，淡出了民用独立显卡市场。　　但现在Matrox仍然在工程用专业显卡方面有自己的地位。这些显卡用于工程主图和多头输出仍然很强力。与nv和amd的专业显卡不同，nv,ati的专业显卡涉足的是3D领域，而Matrox得专业显卡涉足的是2D领域，也就是CAD。　　但由于cuda的日渐普及，DX10以上显卡将在所有支持cuda的程序上表现出惊人的性能，也就是说当cuda在各种运用软件普及的那天，Matrox也必将退出2D专业卡的市场。　　sis和via　　硒统和威盛现在是对孪生兄弟，但他们曾经也是分开的两家公司，并且都生产自己主板的集成显卡。

对于人工智能 和深度学来说，目前硬件加速主要靠使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU）。相比传统的通用处理器 （GPP），GPU 的核心计算能力要多出几个数量级，也更容易进行并行计算。尤其是 NVIDIA   CUDA  ，作为最主流的GPGPU 编写平台，各个主要的深度学工具均用其来进行 GPU 加速。
  
  
  　　GPU在“深度学”领域发挥着巨大的作用，因为 GPU 可以平行处理大量琐碎信息。深度学所依赖的是神经系统网络——与人类大脑神经高度相似的网络——而这种网络出现的目的，就是要在高速的状态下分析海量的数据。例如，如果你想要教会这种网络如何识别出猫的模样，你就要给它提供无数多的猫的图片。而这种工作，正是 GPU 芯片 所擅长的事情。而且相比于 CPU，GPU 的另一大优势，就是它对能源的需求远远低于 CPU。GPU 擅长的是海量数据的快速处理。
  
  　　国内最好的人工智能硬件 研究项目“寒武纪”小组的最新研究结果表明，GPU 能够提供平均 58.82X 倍于 CPU 的速度。从去年7月底到现在，$英伟达(  NVDA  )$ 的股价涨了80%多，同期英特尔只有30%不到，而高通则跌了20%。英伟达这样的走势背后，是其全面响应机制智能发展而进行了一些列的战略规划，给予了资本市场很好的预期。机器智能时代，GPU的需求比CPU要高很多，

“GPU是什么？可以做什么？” 不用说普通的消费者，哪怕是更加专业一些业内人士，恐怕也很难有人把这个问题回答得很全面，因为就在几年前，GPU还是一块只能进行三维图形渲染的高集成度半导体芯片，很难有人想到，几年后的GPU已经从单一的进行三维图形渲染，变为以图形渲染为主、兼顾其他运算、处理能力的芯片。 1月17日，NVIDIA在北京举办了“专业视觉计算的革命――NVIDIA专业图形解决方案高端论坛”，论坛上NVIDIA正式推出了 CUDA ，并对GPU的功能进行了重新的定义。 CUDA（Compute Unified Device Architecture统一计算设备架构）实际上是一个革命性的计算架构和计算思路，能够让GPU在消费、商务、技术等应用方面大展拳脚，解决复杂的计算问题。NVIDIA设计CUDA，就是为了使用性能日益提升的GPU性能，协助CPU进行复杂的运算。 GPU浮点运算能力在几年内得到了高速提升，2003年的NV30浮点运算能力还和主流处理器不相上下。到了2006年，GPU的浮点运算能力已经数倍于主流处理器了。如果只用GPU来做三维图形渲染，的确浪费GPU的浮点运算能力，CUDA的推出，正是利用了GPU的高运算能力，配合CPU进行高性能通用计算。 ＣＵＤＡ能做什么？ CUDA究竟能做什么呢？举个最简单的例子，1998年的好莱坞大片《泰坦尼克号》，是在摄影棚中完成的，剧组只是在摄影棚中搭建了一艘泰坦尼克号模型，而大海、天空等周围的景色，都是由计算机制作的――剧组使用了多组Xeon工作站，对画面进行离线渲染，最终花费了数月时间，才将《泰坦尼克号》中的美景呈现在全球观众面前。 好莱坞是个惜时如金的地方，随着数字电影在全球的普及，制片人和投资公司很难再忍受太长的周期。CUDA的用处正好能够发挥出来――以G80为例，具备128个Streaming Processor的G80能够将复杂的电影画面，分成一个一个小的部分，然后进行平行化计算，每个流处理器可以模拟其中的一个线程。平行化计算可以有效降低同类别问题的运算时间，从而提升运算效率。当然，GPU能做的还不仅仅是这些，通过和CUDA的配合。GPU还满足模拟电磁场仿真、地球物理学数据处理、生物医学成像、水库建模等项目的运算需求。 ＧＰＵ能否包办一切？ 无论是电影画面的离线渲染、地球物理学数据处理，还是水库建模，这些运算原本都应该由CPU完成，那么GPU有没有可能包办一切呢？ 答案是肯定的。DirectX 10和统一Shader架构的出现，让GPU在可编程性上有了大幅度的提升。不仅如此，飞速发展的制造工艺令GPU可以整合更多的晶体管，实现更多的功能。目前的GPU，已经可以帮助CPU进行对高清视频的完全硬解码，虽然是通过加入了专门的处理单元，但其意义已经足以说明GPU在未来的计算领域，将会有一番大作为，位置从CPU的从属，转变为主导。 目前为止，GPU和CUDA的配合，还只是应用于商业高端运算。随着时间的推移，CUDA在经过NVIDIA的完善后，最终也会进入民用领域、桌面市场。这并不是一个空谈，因为现在GPU所具备的几个特性，让笔者对未来GPU包办一切的前景非常看好。 高浮点运算能力：GPU之所以能够辅助CPU进行通用计算，依托的就是GPU几倍于CPU的浮点运算能力。一旦GPU和CUDA的配合应用到桌面平台，PC就拥有了具备高性能浮点运算的能力，这就使得PC摇身一变，成为了一台个人超级计算机――当PC的运算能力成倍增长时，还有什么不能做？ 可编程性：API（应用程序编程接口）的不断进步、GPU架构的改变，提升了GPU的可编程性，这就意味着未来的GPU可以根据用户的需求，进行多种多样的计算。未来GPU可编程性的提升，完全可以令GPU从被动接受指令计算，变成“让GPU做什么GPU就做什么”。 平行运算：平行运算是GPU＋CUDA最大的特点之一，GPU的可编程性在这里将其作用体现得淋漓尽致――每个流处理器都可以模拟一个线程进行数据运算，G80的128个流处理器就意味着数据可以进行128路的平行运算，提升了数据运算的效率，也降低了CPU在运算中的负担。 ＧＰＵ时代即将到来 随着CUDA的进一步开发和完善，GPU的运算能力也将得到进一步的强化。目前的CUDA和GPU的配合还处于起步阶段，尚未面向真正的民用市场。不过，利用GPU进行高性能计算的门槛很低，只要有一片Quadro或GeForce 8系列显卡，就能够进行高性能计算，一些研究人员也已经开始使用CUDA，利用GPU数倍于CPU的浮点运算能力，进行各种各样的科学模拟、运算。 CUDA的推出对于通用计算领域无疑是一个革命性的改变，而GPU的实际功能也会随着CUDA的完善而变革。也许在不远的将来，因为CUDA的存在，CPU的运算功能将会不断淡化，GPU的时代即将到来。

gpu是显卡芯片

显卡的处理器，和cpu差不多的东西

景嘉微上市，第一次知道GPU这个词，，看了英伟达，才朦胧了解GPU,本帖学。