Különbség a CPU és a GPU között

CPU vs GPU

A CPU, a Központi Processing Unit rövidítése, egy olyan számítógépes rendszer agya, amely számítógépes programon keresztül végrehajtja utasításokként megadott „számításokat”. Ezért a CPU birtoklása csak akkor értelmezhető, ha rendelkezik „programozható” számítástechnikai rendszerrel (az utasítások végrehajtására), és meg kell jegyeznünk, hogy a CPU a „központi” feldolgozó egység, az az egység, amely a többi egységet irányítja / számítási rendszer alkatrészei. A mai kontextusban a CPU általában egyetlen szilikon chipben található, amely mikroprocesszorként is ismert. Másrészt a GPU, a Grafikus feldolgozó egység rövidítése, célja a számítástechnikailag intenzív grafikus feldolgozási feladatok letöltése a CPU-ból. Az ilyen feladatok végső célja a grafika vetítése egy kijelző egységre, például egy monitorra. Tekintettel arra, hogy az ilyen feladatok jól ismertek és specifikusak, alapvetően nem kell programozni őket, ráadásul az ilyen feladatok a megjelenítő egységek jellege miatt természetüknél fogva párhuzamosak. Megint a jelenlegi helyzetben, míg a kevésbé képesek GPU-k általában ugyanabban a szilícium chipben találhatók, ahol megtalálják a CPU-t (ezt a beállítást integrált GPU-ként ismerték), mások, a képesebb, erősebb GPU-k a saját szilikon chipben találhatók, általában egy külön NYÁK-ra (nyomtatott áramköri lapra).

Mi a CPU??

A CPU kifejezést a számítástechnikai rendszerekben már több mint öt évtizede használják, és a korai számítógépekben ez volt az egyetlen feldolgozó egység, amíg az „egyéb” feldolgozó egységeket (például GPU-kat) bevezették a feldolgozási teljesítmény kiegészítésére. A CPU két fő alkotóeleme a számtani logikai egység (más néven ALU) és a vezérlő egység (más néven CU). A CPU ALU felelõs a számítási rendszer aritmetikai és logikai mûveleteiért, a CU felelõs az utasítások program memóriából történõ letöltéséért, dekódolásáért és más egységek, például az ALU utasítások végrehajtásáért. Ezért a CPU vezérlőegysége felelős azért, hogy a CPU dicsőségét „központi” feldolgozó egységgé tegye. A CU az utasításoknak a memóriából való letöltésére szolgál, ezeket az utasításokat programként kell tárolni a memóriában, ezért az ilyen utasító rendszert „tárolt programoknak” is nevezik. Nyilvánvaló, hogy a CU nem hajtja végre az utasításokat, hanem megkönnyíti ezt a megfelelő egységekkel, például az ALU-val történő kommunikáció révén.. 

Mi a GPU (más néven VPU)?

A grafikus feldolgozó egység (GPU) kifejezést a kilencvenes évek végén vezette be az NVIDIA, egy GPU gyártó cég, aki állítása szerint 1999-ben forgalmazta a világ első GPU-ját (GeForce256). A Wikipedia szerint a GeForce256 idején az NVIDIA a GPU-t a a következő: „egycsipperes processzor integrált transzformációval, világítással, háromszög beállításával / levágásával és megjelenítő motorokkal, amely másodpercenként legalább 10 millió poligont képes feldolgozni”. Pár évvel később az NVIDIA riválisa, az ATI Graphics, egy másik hasonló cég kiadott egy hasonló processzort (Radeon300), a VPU-vel a Visual Processing Unit névvel. Mivel azonban egyértelmű, hogy a GPU kifejezés népszerűbb lett, mint a VPU. 

Manapság a GPU-kat mindenhol telepítik, például beágyazott rendszerekben, mobiltelefonokban, személyi számítógépekben és laptopokban, valamint játékkonzolokban. A modern GPU-k rendkívül nagy hatékonysággal bírnak a grafika manipulálásában, és úgy programozhatók, hogy alkalmazkodjanak a különböző helyzetekhez és alkalmazásokhoz. Ugyanakkor a tipikus GPU-kat a firmware-en keresztül még a gyárban is programozzák. Általában a GPU-k hatékonyabbak, mint a CPU-k olyan algoritmusoknál, amelyekben a nagy adattömbök feldolgozása párhuzamosan történik. Várható, mivel a GPU-kat úgy tervezték, hogy manipulálják a számítógépes grafikákat, amelyek természetüknél fogva rendkívül párhuzamosak. 

Létezik még ez az új koncepció, a GPGPU (General Purpose computing on GPU) néven, amelynek célja a GPU-k felhasználása az egyes alkalmazásokban (például bioinformatika) elérhető adat-párhuzamosság kihasználására, és ezért a nem grafikus feldolgozás végrehajtására a GPU-ban. Ezeket az összehasonlításokat azonban nem veszik figyelembe.