واحد پردازش گرافیک (GPU) چیست

در این پست از سایت com blog به معرفی واحد پردازش گرافیک یا همان (کارت گرافیک) پرداخته ایم. اگر به کامپیوتر علاقه دارید با ما همراه باشید.

واحد پردازش گرافیکی (GPU) یک تراشه کامپیوتری است که با انجام محاسبات سریع ریاضی، گرافیک و تصاویر را ارائه می کند. پردازنده‌های گرافیکی هم برای محاسبات حرفه‌ای و هم برای محاسبات شخصی استفاده می‌شوند. به طور سنتی، پردازنده‌های گرافیکی وظیفه ارائه تصاویر، انیمیشن‌ها و ویدیوهای دو بعدی و سه بعدی را برعهده دارند - اگرچه در حال حاضر دامنه استفاده گسترده‌تری دارند.

در روزهای اولیه محاسبات، واحد پردازش مرکزی (CPU) این محاسبات را انجام می داد. با این حال، با توسعه برنامه‌های گرافیکی فشرده‌تر، خواسته‌های آن‌ها بر CPU فشار وارد کرد و عملکرد را کاهش داد. پردازنده‌های گرافیکی به‌عنوان راهی برای تخلیه آن وظایف از CPU و بهبود رندر گرافیک سه‌بعدی توسعه داده شدند. پردازنده‌های گرافیکی با استفاده از روشی به نام پردازش موازی کار می‌کنند، که در آن چندین پردازنده بخش‌های جداگانه‌ای از یک وظیفه را انجام می‌دهند.

پردازنده‌های گرافیکی در بازی‌های رایانه شخصی (کامپیوتر شخصی) به خوبی شناخته شده‌اند و امکان ارائه گرافیکی روان و باکیفیت را فراهم می‌کنند. توسعه دهندگان همچنین شروع به استفاده از GPU به عنوان راهی برای تسریع بار کاری در زمینه هایی مانند هوش مصنوعی (AI) کردند.

موارد استفاده از GPU کجاست و امروزه از پردازنده های گرافیکی برای چه استفاده می شود؟

امروزه تراشه‌های گرافیکی برای کارهای متنوع تری نسبت به آنچه که در ابتدا برای آن طراحی شده بودند، تطبیق داده می‌شوند، تا حدی به این دلیل که پردازنده‌های گرافیکی مدرن نسبت به گذشته قابل برنامه‌ریزی‌تر هستند.

چند نمونه از موارد استفاده از GPU عبارتند از :

پردازنده‌های گرافیکی می‌توانند رندر برنامه‌های گرافیکی دو بعدی و سه بعدی را در زمان واقعی تسریع کنند.

ویرایش ویدیو و ایجاد محتوای ویدیویی با پردازنده‌های گرافیکی بهبود یافته است. برای مثال، ویرایشگرهای ویدئو و طراحان گرافیک می‌توانند از پردازش موازی یک GPU برای ارائه سریع‌تر ویدیو و گرافیک با کیفیت بالا استفاده کنند.

گرافیک بازی‌های ویدیویی از نظر محاسباتی فشرده‌تر شده‌اند، بنابراین برای همگام شدن با فناوری‌های نمایشگر - مانند 4K و نرخ تازه‌سازی بالا - بر پردازنده‌های گرافیکی با کارایی بالا تأکید شده است.

پردازنده‌های گرافیکی می‌توانند یادگیری ماشین را تسریع کنند. با توانایی محاسباتی بالای یک GPU، حجم کاری مانند تشخیص تصویر را می توان بهبود بخشید.

GPU ها می توانند کار CPU ها را به اشتراک بگذارند و شبکه های عصبی یادگیری عمیق را برای برنامه های کاربردی هوش مصنوعی آموزش دهند. هر گره در یک شبکه عصبی محاسباتی را به عنوان بخشی از یک مدل تحلیلی انجام می دهد. برنامه نویسان در نهایت متوجه شدند که می توانند از قدرت پردازنده های گرافیکی برای افزایش عملکرد مدل ها در یک ماتریس یادگیری عمیق استفاده کنند - با استفاده از موازی بودن بسیار بیشتر از CPU های معمولی. فروشندگان پردازنده‌های گرافیکی به این موضوع توجه کرده‌اند و اکنون پردازنده‌های گرافیکی مخصوصاً برای کاربردهای یادگیری عمیق ایجاد می‌کنند.

همچنین از پردازنده‌های گرافیکی برای استخراج بیت کوین و سایر ارزهای دیجیتال مانند اتریوم استفاده شده است.

یک GPU چگونه کار می کند

یک GPU ممکن است با یک CPU در همان مدار الکترونیکی، روی یک کارت گرافیک یا در مادربرد یک رایانه شخصی یا سرور یکپارچه یافت شود. پردازنده‌های گرافیکی و پردازنده های مرکزی از نظر ساخت تقریباً مشابه هستند. با این حال، پردازنده‌های گرافیکی مخصوصاً برای انجام محاسبات پیچیده‌تر ریاضی و هندسی طراحی شده‌اند. این محاسبات برای ارائه گرافیک ضروری است. پردازنده‌های گرافیکی ممکن است ترانزیستورهای بیشتری نسبت به CPU داشته باشند.

پردازنده‌های گرافیکی از پردازش موازی استفاده می‌کنند، جایی که چندین پردازنده بخش‌های جداگانه‌ای از یک وظیفه را انجام می‌دهند. یک GPU همچنین دارای RAM (حافظه دسترسی تصادفی) مخصوص به خود برای ذخیره اطلاعات روی تصاویری است که پردازش می کند. اطلاعات مربوط به هر پیکسل از جمله مکان آن روی نمایشگر ذخیره می شود. یک مبدل دیجیتال به آنالوگ (DAC) به رم متصل است و تصویر را به سیگنال آنالوگ تبدیل می کند تا نمایشگر بتواند آن را نمایش دهد. رم ویدیو معمولاً با سرعت بالا کار می کند.

GPU ها در دو نوع یکپارچه و گسسته عرضه می شوند. پردازنده‌های گرافیکی مجتمع در کنار پردازنده گرافیکی تعبیه شده‌اند، در حالی که پردازنده‌های گرافیکی مجزا را می‌توان روی یک برد مدار جداگانه نصب کرد.

برای شرکت‌هایی که به قدرت محاسباتی سنگین نیاز دارند، یا با یادگیری ماشینی یا تجسم‌های سه بعدی کار می‌کنند، نصب پردازنده‌های گرافیکی در فضای ابری ممکن است گزینه خوبی باشد. نمونه‌ای از آن، پردازنده‌های گرافیکی ابری گوگل هستند که پردازنده‌های گرافیکی با کارایی بالا را در Google Cloud ارائه می‌دهند. میزبانی پردازنده های گرافیکی در فضای ابری از مزایای آزادسازی منابع محلی، صرفه جویی در زمان، هزینه و مقیاس پذیری برخوردار خواهد بود. کاربران می توانند بین طیف وسیعی از انواع GPU انتخاب کنند و در عین حال بر اساس نیازهای خود عملکرد انعطاف پذیری کسب کنند.

GPU در مقابل CPU

پردازنده‌های گرافیکی تقریباً مشابه معماری‌های CPU هستند. با این حال، پردازنده های مرکزی برای پاسخ‌گویی و پردازش دستورالعمل‌های اساسی که یک رایانه را هدایت می‌کنند، استفاده می‌شوند، در حالی که پردازنده‌های گرافیکی به‌طور خاص برای ارائه سریع تصاویر و ویدیوهای با وضوح بالا طراحی شده‌اند. اساساً CPU ها وظیفه تفسیر بیشتر دستورات رایانه را بر عهده دارند، در حالی که GPU ها بر روی رندر گرافیکی تمرکز دارند.

به طور کلی، یک GPU برای موازی سازی داده ها و اعمال دستورالعمل های یکسان برای چندین مورد داده (SIMD) طراحی شده است. یک CPU برای موازی کاری و انجام عملیات های مختلف طراحی شده است.

هر دو نیز بر اساس تعداد هسته ها متمایز می شوند. هسته در اصل پردازنده درون پردازنده است. اکثر هسته های CPU بین چهار تا هشت شماره گذاری می شوند، اگرچه برخی از آنها تا 32 هسته دارند. هر هسته می تواند وظایف یا رشته های خود را پردازش کند. از آنجا که برخی از پردازنده ها دارای قابلیت چند رشته ای هستند - که در آن هسته به صورت مجازی تقسیم می شود و به یک هسته اجازه می دهد تا دو رشته را پردازش کند - تعداد thread ها می تواند بسیار بیشتر از تعداد هسته ها باشد. این می تواند در ویرایش و رمزگذاری ویدیو مفید باشد. CPU ها می توانند دو رشته (دستورالعمل های مستقل) را در هر هسته (واحد پردازنده مستقل) اجرا کنند. یک هسته GPU می تواند 4 تا 10 رشته در هر هسته داشته باشد.

یک GPU به دلیل معماری پردازش موازی که به آن امکان می دهد چندین محاسبات را همزمان انجام دهد، می تواند تصاویر را سریعتر از یک CPU ارائه دهد. یک CPU منفرد این قابلیت را ندارد، اگرچه پردازنده های چند هسته ای می توانند محاسبات را به صورت موازی با ترکیب بیش از یک CPU روی یک تراشه انجام دهند.

یک CPU همچنین دارای سرعت ساعت بالاتری است، به این معنی که می تواند یک محاسبات فردی را سریعتر از یک GPU انجام دهد، بنابراین اغلب برای انجام وظایف محاسباتی اولیه مجهزتر است.

GPU در مقابل کارت گرافیک : شباهت ها و تفاوت ها

GPU و کارت گرافیک دو اصطلاحی هستند که گاهی اوقات به جای هم استفاده می شوند. با این حال، تفاوت های مهمی بین این دو وجود دارد. تفاوت اصلی این است که GPU یک واحد خاص در یک کارت گرافیک است. GPU چیزی است که پردازش واقعی تصویر و گرافیک را انجام می دهد. کارت گرافیک چیزی است که تصاویر را به واحد نمایش نمایش می دهد