当前位置：网站首页>显卡、GPU、CPU、CUDA、显存、RTX/GTX及查看方式

显卡、GPU、CPU、CUDA、显存、RTX/GTX及查看方式

2022-06-26 02:47:00 【MengYa_Dream】

学习资源：

CPU和GPU到底有什么区别？https://zhuanlan.zhihu.com/p/156171120

看完就懂：GPU和显卡的关系，GPU和CUDA有什么关系？https://blog.csdn.net/weixin_42306148/article/details/117226047?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-1-117226047-blog-52642366.pc_relevant_antiscanv4&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-1-117226047-blog-52642366.pc_relevant_antiscanv4&utm_relevant_index=1

1 可视化直观记忆理解-视频：CPU和GPU的区别

1 可视化直观记忆理解-视频：CPU和GPU的区别

CPU：可以理解为颜料先后发射，连接在一起，给人呈现以笑脸的图像，花费时间较长，可类比CPU的计算原理，一步步迭代计算。

GPU：多管颜料同时发射，绘制成一幅完整的画像，花费时间是在一瞬间，可类比GPU的计算原理，大量高并行计算。

因此，在实验中通常希望计算在GPU中进行，常见代码：

# select device
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print("device: %s" % device)

可以发现代码中并未出现GPU，实际上，这暗示了GPU和CUDA之间存在一定的联系，以下进行详细学习记录。

2 显卡的概念

显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。就像电脑联网需要网卡，主机里的数据要显示在屏幕上就需要显卡。因此，显卡是电脑进行数模信号转换的设备，承担输出显示图形的任务。具体来说， 显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来。原始的显卡一般都是集成在主板上，只完成最基本的信号输出工作，并不用来处理数据。随着显卡的迅速发展，就出现了GPU的概念，显卡也分为独立显卡和集成显卡。独立显卡和集成显卡两者最大区别在性能和功耗上面。前者性能更强，后者由于集成电路和成本等限制，只有顶级核显的表现能够达到入门独显的性能；而前者拥有独立显存后者采用与内存的共享显存设计，也会影响性能；前者在功耗上面更大，后者的功耗更低。

独立显卡：性能强，独立显存，功耗大。
集成显卡：性能弱，与内存共享显存，功耗低。

3 GPU的概念

GPU这个概念是由Nvidia公司于1999年提出的。GPU是显卡上的一块芯片，就像CPU是主板上的一块芯片。那么1999年之前显卡上就没有GPU吗？当然有，只不过那时候没有人给它命名，也没有引起人们足够的重视，发展比较慢。自Nvidia提出GPU这个概念后，GPU就进入了快速发展时期。简单来说，其经过了以下几个阶段的发展：
①仅用于图形渲染，此功能是GPU的初衷，Graphic Processing Unit，图形处理单元；
②GPU只用于图形处理太浪费了，它应该用来做更多的工作，例如浮点运算。怎么做呢？直接把浮点运算交给GPU是做不到的，因为它只能用于图形处理（那个时候）。最容易想到的，是把浮点运算做一些处理，包装成图形渲染任务，然后交给GPU来做。这就是 GPGPU（General Purpose GPU）的概念。不过这样做有一个缺点，就是你必须有一定的图形学知识，否则你不知道如何包装。为了让不懂图形学知识的人也能体验到GPU运算的强大，Nvidia公司又提出了CUDA的概念。

4 CPU的概念

中央处理器（central processing unit，简称CPU）作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。

5 CUDA的概念

CUDA(Compute Unified Device Architecture)，通用并行计算架构，是一种运算平台。它包含CUDA指令集架构以及GPU内部的并行计算引擎。你只要使用一种类似于C语言的 CUDA C语言，就可以开发CUDA程序，从而可以更加方便的利用GPU强大的计算能力，而不是像以前那样先将计算任务包装成图形渲染任务，再交由GPU处理。注意，并不是所有GPU都支持CUDA。

5 CPU和GPU的关系

在没有GPU之前，基本上所有的任务都是交给CPU来做的。有GPU之后，二者就进行了分工， CPU负责逻辑性强的事物处理和串行计算，GPU则专注于执行高度线程化的并行处理任务（大规模计算任务）。为什么这么分工？这是由二者的硬件构成决定的。可以看出， CPU是“主（host）”而GPU是“从（device）”，GPU无论发展得多快，都只能是替CPU分担工作，而不是取代CPU。