جی پی یو چیست - gpu چه وظایفی دارد - انواع پردازنده گرافیکی

کارت گرافیک چیست؟

واحد پردازش گرافیکی (GPU) یک تراشه کامپیوتری است که به طور ویژه، به گونه‌ای برنامه‌­ریزی شده است که  بتواند گرافیک و تصاویر 2 بعدی و 3 بعدی را با انجام محاسبات سریع ریاضی برای ارائه بر روی صفحه نمایش یک دستگاه الکترونیکی مانند موبایل یا تلویزیون، پردازش کند. در ابتدا، واحد پردازش مرکزی (CPU) تمام محاسبات کامپیوتری را انجام می­‌داد. با این حال، با توسعه، فشردگی زیاد و حجم بالاتر برنامه‌های گرافیکی، خواسته‌های آن‌ها بر CPU فشار وارد کرد و عملکردش را کاهش داد. پردازنده‌های گرافیکی به‌عنوان راهی برای کاهش حجم وظایف CPU و بهبود ارائه گرافیک‌های 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، مشکلات پیچیده را به هزاران یا میلیون‌ها کار مجزای کوچک تقسیم می‌کنند و آن‌ها را به یکباره حل می‌کنند و این همان چیزی است که GPUها را بسیار قدرتمند می­کند.

پردازنده‌های گرافیکی هم برای محاسبات حرفه‌ای و هم برای محاسبات در کامپیوترهای شخصی استفاده می‌شوند. معمولا پردازنده‌های گرافیکی وظیفه ارائه تصاویر، انیمیشن‌ها و ویدیوهای دو بعدی و سه بعدی را بر عهده دارند - حتی اگر در حال حاضر، دامنه استفاده گسترده‌تری از آنها وجود داشته باشد. هرچه یک GPU پیشرفته‌­تر باشد، عملکرد بهتری دارد، به این معنی که سیستم وضوح بالاتر و حرکت روان‌­تری روی دستگاه خواهد داشت.

GPU و CPU چه تفاوت هایی دارند؟

CPU و GPU شباهت­‌های زیادی با هم دارند. هر دو موتورهای محاسباتی حیاتی‌ایی هستند. هر دو ریزپردازنده مبتنی بر سیلیکون هستند و همچنین هر دو داده­‌ها را مدیریت می­‌کنند. اما CPUها و GPUها معماری­‌های متفاوتی دارند و برای اهداف متفاوتی ساخته می­شوند.

CPU برای طیف وسیعی از وظایف مناسب است، به ویژه وظایفی که تأخیر یا عملکرد هر هسته برای آنها مهم است. CPU به عنوان یک موتور اجرایی قدرتمند، تعداد هسته­‌های کمتر خود را بر روی وظایف فردی و انجام سریع کارها متمرکز می­‌کند؛ این باعث می‌شود که به خوبی برای کارهای مختلف از محاسبات سریال تا اجرای وظایف پایگاه‌های داده مجهز شود.

شروع توسعه GPUها به عنوان ASIC­های تخصصی، برای تسریع وظایف ایجاد تصاویر سه بعدی مشخص بود. با گذشت زمان، این موتورهای تک‌­کاره، قابل برنامه ریزی بیشتر و انعطاف پذیرتر شدند. در حالی که پردازنده‌ها از طریق نوآوری‌های معماری، سرعت کلاک بیش­تر و افزودن هسته‌ها به افزایش کارایی خود ادامه می‌دهند، پردازنده‌های گرافیکی به‌طور خاص برای تسریع بار کاری گرافیک کامپیوتری طراحی شده‌اند.

هر دو پردازنده از نظر تعداد هسته‌­ها نیز متمایز هستند. اکثر هسته­‌های CPU بین 4 تا 8 شماره‌­گذاری می­‌شوند، اگرچه برخی از آنها تا 32 هسته دارند. هر هسته می‌­تواند وظایف یا نخ‌­های (Threads) خود را پردازش کند. برخی از پردازنده­‌ها دارای قابلیت چند­ نخ‌­ای هستند که در آن هسته به صورت مجازی تقسیم می‌­شود و به یک هسته اجازه می‌­دهد تا دو نخ را پردازش کند. تعداد رشته‌­ها می‌­تواند بسیار بیشتر از تعداد هسته‌­ها باشد که این امر می‌­تواند در ویرایش و رمزگذاری ویدیو مفید باشد. CPUها می­‌توانند دو رشته (دستورالعمل­‌های مستقل) را در هر هسته (واحد پردازنده مستقل) اجرا کنند و همچنین یک هسته GPU می­‌تواند 4 تا 10 رشته در هر هسته داشته باشد. پردازنده‌های گرافیکی از هزاران هسته برای پردازش موازی وظایف استفاده می‌کنند.

یک GPU به دلیل معماری پردازش موازی که به آن امکان می‌­دهد چندین محاسبات را همزمان انجام دهد، می‌­تواند تصاویر را سریع­تر از یک CPU ارائه دهد. یک CPU منفرد این قابلیت را ندارد، اگرچه پردازنده‌­های چند­هسته­‌ای می‌توانند محاسبات را به صورت موازی با ترکیب بیش از یک CPU روی یک تراشه انجام دهند. یک CPU همچنین دارای سرعت کلاک بالاتری است، به این معنی که می­‌تواند محاسبات را سریع‌تر از یک GPU انجام دهد.

تفاوت های اساسی GPU و CPU در جدول زیر آمده است:

تاریخچه شکل گیری GPU

تراشه­‌های تخصصی برای پردازش گرافیک از آغاز بازی­‌های ویدیویی در دهه 1970 وجود داشته‌­اند. در اوایل، قابلیت‌های گرافیکی به عنوان بخشی از یک کارت گرافیک، شامل یک برد مدار اختصاصی مجزا، تراشه سیلیکونی و خنک‌کننده ضروری بود که محاسبات پردازش گرافیکی دوبعدی، سه بعدی و گاهی اوقات حتی پردازش گرافیکی همه منظوره (GPGPU) را برای کامپیوتر فراهم می‌کرد. کارت‌­های مدرن با محاسبات یکپارچه برای  وظایف سه‌گانه تنظیم ، تغییر فرمت و ویژگی‌­های نور برای برنامه‌­های سه بعدی معمولاً GPU نامیده می­‌شوند. امروزه پردازنده‌های گرافیکی سطح بالاتر رایج هستند و گاهی اوقات در خود پردازنده‌ها ادغام می‌شوند. اصطلاحات جایگزین عبارتند از کارت گرافیک، آداپتور نمایشگر، آداپتور ویدئو، برد ویدئو و تقریباً هر ترکیبی از کلمات این عبارات.

 GeForce 256 با بهینه­‌سازی عملکرد بازی­‌های سه‌­بعدی، این فناوری را توسط سایر پردازنده­‌ها بهبود بخشید.

در حالی‌که انویدیا هنوز در بازار GPU برتری دارد، این فناوری تا حد زیادی بهبود یافته است. در دهه 2000، انویدیا GeForce 8800 GTX خود را منتشر کرد که می­‌تواند 36.8 میلیارد پیکسل در ثانیه را پردازش کند که به آن نرخ پرشدن بافتی (texture-fill) می­‌گویند.

در سال 2012، انویدیا یک GPU مجازی منتشر کرد که پردازش گرافیکی را به جای CPU سرور در زیرساخت دسکتاپ مجازی (VDI) انجام می‌داد. عملکرد گرافیکی از گذشته یکی از رایج­‌ترین شکایات در میان کاربران دسکتاپ و برنامه­‌های مجازی بوده است، و GPU­های مجازی­‌سازی شده به دنبال رفع این مشکل هستند.

امروزه، GPU ها دوباره محبوبیت خود را به دست آورده‌­اند. استفاده از آن‌ها به لطف ظهور هوش مصنوعی و ارزهای دیجیتال در صنایع جدید گسترش یافته است. پردازنده‌های گرافیکی همچنین در ایجاد دسترسی گسترده‌تر به بازی‌های واقعیت مجازی (VR) با کیفیت بالاتر نقش داشته‌اند.

امروزه، تراشه‌های گرافیکی برای کارهای متنوع‌تری نسبت به آنچه که در ابتدا برای آن طراحی شده بودند، مطابقت داده شده­‌اند، به این دلیل که پردازنده‌های گرافیکی جدید نسبت به گذشته قابلیت برنامه‌ریزی بیشتری دارند.

وظایف پردازنده ­های گرافیکی در سیستم ­های کامپیوتری

 چند نمونه از موارد استفاده از GPU عبارتند از:

• پردازنده‌های گرافیکی می‌توانند ارائه برنامه‌های گرافیکی دوبعدی و سه بعدی را تسریع کنند.
• ویرایش ویدیو و ایجاد محتوای ویدیویی با پردازنده‌های گرافیکی بهبود یافته است. برای مثال، ویرایشگرهای ویدیو 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 حجیم‌­تر شده‌اند، بنابراین به منظور همگام شدن با فناوری‌های نمایشگر، مانند 4K و نرخ‌های بالای نوسازی تصویر، 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 می‌توان بهبود بخشید.
• GPU ها می‌­توانند در کار CPUها شریک شوند و شبکه­‌های عصبی یادگیری عمیق را برای برنامه‌­های کاربردی هوش مصنوعی آموزش دهند. هر گره در یک شبکه عصبی، محاسبات را به عنوان بخشی از یک مدل تحلیلی انجام می‌­دهد. برنامه­‌نویسان در نهایت متوجه شدند که می‌­توانند از قدرت پردازنده‌­های گرافیکی برای افزایش عملکرد مدل­‌ها در یک ماتریس یادگیری عمیق استفاده کنند و از موازی­‌سازی بسیار بیشتری نسبت به CPUهای معمولی استفاده می­‌کنند. فروشندگان پردازنده‌های گرافیکی به این موضوع توجه کرده‌اند و اکنون پردازنده‌های گرافیکی مخصوصا برای کاربردهای یادگیری عمیق تولید شده‌­اند.
• همچنین از پردازنده‌های گرافیکی برای استخراج بیت‌کوین و سایر ارزهای دیجیتال مانند اتریوم استفاده شده است.

GPUها چگونه کار می­ کنند؟

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

نقش اصلی GPU ارائه تصاویر است، با این حال، برای انجام این کار، به فضایی برای نگهداری اطلاعات مورد نیاز برای ایجاد تصویر کامل شده نیاز دارد، بنابراین از RAM (حافظه دسترسی تصادفی) برای ذخیره این داده‌­ها استفاده می‌­کند. داده‌­ها شامل هر پیکسل مرتبط با تصویر و همچنین رنگ و مکان آن روی صفحه است.

یک پیکسل را می‌­توان به عنوان یک نقطه فیزیکی در یک تصویر شطرنجی تعریف کرد، در واقع یک ساختمان داده نقطه­ای ماتریسی است که یک شبکه مستطیلی از پیکسل‌­ها (نقاط رنگی) را نشان می­‌دهد. این RAM همچنین می‌تواند تصاویر تکمیل‌شده را تا زمان نمایش­شان نگه دارد، که به آن بافر فریم گفته می‌شود.

برای اینکه مانیتور تصویر را به صورت آنالوگ نمایش دهد، رم مستقیماً به یک DAC (مبدل دیجیتال به آنالوگ) متصل می­‌شود که تصویر را به سیگنال آنالوگ تبدیل می­‌کند و مانیتور می‌تواند از آن استفاده کند. برخی از سیستم‌­ها بیش از یک RAM-DAC دارند که می‌­تواند عملکرد را بهبود بخشد و استفاده از بیش از یک نمایشگر را پشتیبانی کند.

یک معیار خوب برای عملکرد یک GPU، نرخ فریم است که بر حسب فریم در ثانیه (FPS) اندازه‌­گیری می­‌شود. این نرخ فریم دیکته می­‌کند که چه تعداد تصویر تکمیل شده می‌­تواند در هر ثانیه نمایش داده شود. برای مقایسه، چشم انسان می­‌تواند حدود 25 فریم در ثانیه را پردازش کند، با این حال بازی­‌های اکشن سریع باید حداقل 60 فریم در ثانیه را پردازش کنند تا یک تصویر و جریان بازی روان ارائه شود.

برای شرکت‌هایی که به قدرت محاسباتی سنگین نیاز دارند یا با یادگیری ماشین 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 می‌کنند. میزبانی پردازنده­‌های گرافیکی در فضای ابری از مزایای آزادسازی منابع محلی، صرفه­‌جویی در زمان، هزینه و مقیاس‌­پذیری برخوردار خواهد بود. کاربران می­‌توانند بین طیف وسیعی از انواع GPU انتخاب کنند و در عین حال بر اساس نیازهای خود عملکرد انعطاف پذیری کسب کنند.

در زیر مشخصات سخت‌افزاری که بیشترین تأثیر را بر سرعت کارت گرافیک دارند، آورده شده است:

• سرعت ساعت GPU (MHz): نشان دهنده سرعت هسته­‌های یک GPU است.

• اندازه گذرگاه حافظه (بیت): یک گذرگاه کامپیوتری است که در مجموعه ای از سیم‌ها قرار دارد و اجزای الکتریکی را به هم متصل می‌کند تا به آن‌ها اجازه انتقال داده را بدهد.

• مقدار حافظه موجود (MB): GPU به شدت از حافظه برای ذخیره تصاویری که ایجاد می­‌شوند استفاده می­‌کند.

• نرخ ساعت حافظه (MHz): سرعتی که حافظه با آن کار می­‌کند.

• پهنای باند حافظه (GB/s): این مورد به مقدار داده‌­ای اشاره دارد که می­‌توان از VRAM و از پردازنده­‌های گرافیکی (رم ویدیویی) کپی کرد.

• سرعت RAMDAC (MHz) (حافظه دسترسی تصادفی - مبدل دیجیتال آنالوگ): سرعتی که هنگام ارسال تصویر به DAC (تبدیل دیجیتال به آنالوگ) می‌­تواند به سیگنال آنالوگ ترجمه شود.

کاربردهای GPU

بازی (Gaming)

کاربرد اولیه از GPU های کامپیوتری برای بازی‌­های سه بعدی بود. پردازنده‌های گرافیکی مدرن در بازی‌های امروزی آنقدر پیشرفته شده‌اند که به کاربر اجازه می‌دهند شخصیت متحرک خود یعنی Fortnite را بسازند و بازی کنند.

بهره وری (Productivity)

از منظر سیستم‌عامل، پردازنده‌های گرافیکی امکان بروزرسانی‌های بهبودیافته را به طور دائم فراهم می‌کنند، خواه در سیستم عامل اپل، ویندوز یا لینوکس باشد که اجازه می‌­دهد تا برنامه‌هایی که روی رایانه مانند مایکروسافت پاورپوینت، فتوشاپ و صفحات هستند، با سرعت کارآمدتر و پربازده‌­تر کار کنند و تاخیر محاسباتی را کاهش دهند.

ویرایش ویدیو و ایجاد محتوا (Video Editing and Content Creation)

سال­‌های زیادی، ویراستاران ویدئو، طراحان گرافیک و دیگر متخصصان خلاق با زمان‌های طولانی پردازش که منابع محاسباتی را محدود کرده و جریان خلاقیت را خفه می‌کند، دست و پنجه نرم می‌­کردند. اکنون، پردازش موازی ارائه شده توسط پردازنده‌های گرافیکی، ارائه ویدئو و گرافیک در قالب‌هایی با کیفیت بالاتر را سریع‌تر و آسان‌تر می‌کند.

وقتی صحبت از عملکرد به میان می‌آید، اینتل راه‌حل‌های بدون رقیب را برای CPU و GPU ارائه می‌کند. با گرافیک Intel® Iris® Xe، گیمرها و سازندگان محتوا اکنون می­‌توانند عملکرد بهتر و قابلیت‌­های جدیدتری داشته باشند. گرافیک Intel® Iris® Xe که برای پردازنده‌های Intel® Core™ نسل یازدهم بهینه شده و برای لپ‌تاپ‌های بسیار نازک و سبک مناسب است، با پردازنده یکپارچه شده است.

Intel® Iris® Xe MAX برای ارائه عملکرد گرافیکی پیشرفته و قابلیت‌­های رسانه­‌ای و همچنین لذت بردن از جریان بازی یکپارچه و همه­‌جانبه در هر جایی با کیفیت p1080 طراحی شده است. علاوه بر این، با ترکیب پردازنده‌های Intel® Core™ نسل یازدهم، گرافیک گسسته Iris® Xe MAX و فناوری Intel® Deep Link، می‌توانید عملکرد 1.4 برابری AI1 و عملکرد 2 برابر بهتر را در رمزگذاری ویدیوهای تک جریانی نسبت به گرافیک مجزای شخص ثالث (3rd party) تجربه کنید.

رسانه و سرگرمی (Media and Entertainment)

بخش مهمی که نیاز به پردازنده‌های گرافیکی سطح بالا دارد، ویرایش ویدیو است، زیرا به استفاده زیاد از منابع سیستم نیاز دارد. برنامه‌­های کاربردی مانند Adobe Premiere Elements 9، iMovie، Final Cut Pro، و Filmora 9 و غیره، همگی از مقدار قابل توجهی از GPU استفاده می‌­کنند زیرا سعی می‌­کنند انیمیشن­‌ها و پیش نمایش­‌ها را به طور موثر ارائه دهند.

به طور کلی، متخصصان ویدیو همیشه به دنبال تجهیزات بهتری برای افزایش بهره‌­وری و ارائه نتایج کار عالی، با سرعت بیشتر هستند، به عنوان مثال، کار با فرمت دوربین با وضوح بالا، کار با بیش از 1 جریان ویدیو در یک زمان، افزودن جلوه­‌های پیچیده و کار تعاملی با صحنه‌ها و یا شخصیت‌های مدل‌سازی‌شده به‌طور همزمان برای دستیابی به جلوه‌های دنیای واقعی، در حالی که تاثیر زیادی روی سرعت سیستم نداشته باشد.

استفاده از یک ایستگاه کاری قدرتمند و پیشرفته می­‌تواند نتایج فوق العاده کارآمد با کمترین مقدار ممکن در هزینه‌های تولید ایجاد کند.

بیوانفورماتیک (Bioinformatics)

بیوانفورماتیک شامل توالی‌­یابی و اتصال پروتئین است. برای انجام و اجرای اقدامات مورد­نظر کاربران، این مسئله شامل محاسبه وظایف بسیار فشرده است که به دنبال پردازنده‌های گرافیکی با کارایی بالا مانند "CUDA" هستند.

علم داده، تجزیه و تحلیل و پایگاه­ های داده (Data Science, Analytics, and Databases)

برای دستیابی به تصمیمات تجاری در زمان واقعی بیشتر بر اساس تجزیه و تحلیل داده­‌های بزرگ طولانی.

دفاع و اطلاعات (Defense and Intelligence)

در این سازمان­‌های دفاعی و اطلاعاتی، داده­‌های سطح بالا، دقیق و به موقع، از اهمیت بالایی برخوردار است. این مسئله برای اجرای دقیق عملیات استراتژیک روزانه است. برای دستیابی به این هدف، داده‌ها به طور مداوم از منابع دوردست مانند ماهواره‌ها، پهپادها (وسایل نقلیه هوایی بدون سرنشین)، رادارها، و دوربین‌های نظارتی و غیره می‌رسند. تمام داده‌های خام از منابع مختلف باید به اطلاعاتی تبدیل شوند که معماری سیستم‌های کامپیوتری می‌توانند آن را درک کنند.

خود سیستم‌­ها نیاز به داشتن سخت افزار، نرم افزار و قدرت لازم برای مدیریت تمام جریان داده­‌ها دارند.

استفاده از کارت‌­های گرافیک تخصصی (GPU) باعث افزایش بهره‌­وری و کاهش هزینه و قدرت می‌­شود.

یادگیری ماشین (machine learning)

دانشمندان داده و معماران کامپیوتر از پردازنده‌های گرافیکی برای ایجاد پیشرفت‌ها و همچنین پیشرفت‌هایی در هوش مصنوعی، طبقه‌بندی تصویر، تشخیص گفتار، تجزیه و تحلیل ویدیویی و پردازش زبان استفاده کرده‌اند. درست است که یادگیری ماشین چندین دهه است که وجود داشته است، با این حال در سال های اخیر استفاده زیاد از داده­ه‌ای آموزشی افزایش یافته است و سیستم‌­های محاسباتی قدرتمندتر و همچنین کارآمدتری به دلیل پیشرفت در GPU­ها ارائه شده است.

تصویربرداری پزشکی (Medical Imaging)

حوزه تصویربرداری پزشکی یکی از اولین پذیرندگانی است که از هرگونه افزایش در شتاب GPU استفاده می‌­کند. این زمینه آنقدر پیشرفته شده که امروزه برخی از لوازم پزشکی از GPU Tesla NVIDIA استفاده می­‌کنند.

الگوریتم‌های تقسیم‌بندی خودکار از ترکیب محاسبات GPU در گردش کار پردازش تصویر سود زیادی برده‌اند.

به دلیل افزایش ظرفیت محاسباتی یک GPU، الگوهای بصری جدید مانند سه بعدی استریوسکوپی (ایجاد و تقویت توهم عمق در یک تصویر)، امکان پذیر شده است.

توابع بالا به تصویربرداری پزشکی کمک می­‌کند تا با افزایش اندازه مجموعه داده‌­های اسکن همراه شود و در عین حال امکان تجزیه و تحلیل پیشرفته و الگوهای تعاملی جدید را فراهم کند.

آب و هوا (Weather and Climate)

یکی از کاربردهای اصلی پردازنده‌های گرافیکی پیشرفته در پیش‌بینی آب‌ وهوا، زلزله، سونامی و غیره است. پردازنده‌های گرافیکی پیشرفته به دانشمندان و متخصصان کمک می‌کنند تا کارایی و صحت داده‌ها را تا جزئیات کامل برای پیش‌بینی آب و هوا افزایش دهند.

استخراج ارزهای دیجیتال (Cryptocurrency mining):

در ابتدا، قبل از ظهور بزرگ ارزهای دیجیتال، ارز دیجیتال با استفاده از CPU استخراج می­‌شد، زیرا مردم می­‌توانستند بیت کوین را از لپ تاپ خانگی خود استخراج کنند. با این حال، امروزه استخراج بیت کوین مبتنی بر GPU است که سرعت آن 800 برابر سریعتر از CPUهاست.

هوش مصنوعی (Artificial Intelligence: AI)

در هوش مصنوعی، پردازنده‌های گرافیکی کلید فناوریی به نام «یادگیری عمیق» شده‌اند. یادگیری عمیق مقادیر زیادی از داده‌ها را از طریق شبکه‌های عصبی بارگذاری می­‌کند و به آن‌ها آموزش می­‌دهد تا وظایف بسیار پیچیده­‌ای را انجام دهند که توسط هیچ کدنویس انسانی قابل انجام نیست. این قابلیت یادگیری عمیق به لطف گنجاندن هسته­‌های Tensor اختصاصی در پردازنده‌­های گرافیکی NVIDIA تسریع شده است. هسته‌های tensor عملیات ماتریس‌­های بزرگ را در قلب هوش مصنوعی تسریع می‌کنند و محاسبات ضرب و انباشت ماتریس با دقت ترکیبی را در یک عملیات واحد انجام می‌دهند که نه تنها وظایف سنتی هوش مصنوعی را در انواع مختلف سرعت می‌­بخشد، بلکه اکنون برای سرعت بخشیدن به بازی مورد استفاده قرار می­‌گیرد.

هسته‌های تانسوری که در پردازنده‌های گرافیکی تورینگ NVIDIA تعبیه شده‌اند، هوش مصنوعی را تسریع می‌کنند

صنعت خودروسازی و رباتیک

همانطور که انتظار دارید در صنعت خودروسازی، پردازنده‌های گرافیکی مزایای زیادی دارند. برای مثال، قابلیت‌های بی‌نظیر تشخیص تصویر را ارائه می‌کنند. اما GPU­ها همچنین برای ایجاد وسایل نقلیه خودران که بتوانند از تعداد زیادی سناریوهای مختلف در دنیای واقعی یاد بگیرند و با آنها سازگار شوند، کلیدی هستند.

در رباتیک، پردازنده‌های گرافیکی کلیدی هستند که ماشین‌ها را قادر می‌سازند تا محیط خود را همانطور که انتظار دارید درک کنند. با این حال، قابلیت‌های هوش مصنوعی آن‌ها کلیدی شده است برای ماشین‌هایی که می‌توانند وظایف پیچیده‌ای مانند ناوبری خودکار را بیاموزند.

انواع پردازنده­ های گرافیکی

دو نوع GPU وجود دارد، یکپارچه و گسسته.

GPU یکپارچه :

اصطلاح گرافیک یکپارچه به کامپیوتری اطلاق می‌­شود که در آن GPU بر روی همان تراشه CPU ساخته شده است (روی همان "Die"). ساخته شدن در کنار CPU چندین مزیت مانند: بهره‌­وری انرژی، اندازه کوچک و هزینه کمتر نسبت به GPU گسسته را ممکن می‌­سازد. پردازنده‌های گرافیکی یکپارچه به جای داشتن رم مخصوص به خود مانند GPUهای مجزا، از RAM سیستم استفاده می‌کنند. گاهی اوقات به آنها IGP یا پردازنده‌­های گرافیکی یکپارچه نیز گفته می‌­شود. پردازنده­‌های گرافیکی یکپارچه چندین مزیت را ارائه می‌­دهند. ادغام آنها با CPUها به آنها این امکان را می‌­دهد که نسبت به پردازنده‌­های گرافیکی اختصاصی مزایای فضا، هزینه و بهره‌­وری انرژی را داشته باشند به این صورت که به اندازه پردازنده‌های گرافیکی مجزا نه گرما تولید می‌کنند و نه انرژی مصرف می‌کنند، همچنین هزینه خرید کمتری دارند. این نوع پردازنده، قدرت پردازش داده‌­های مرتبط با گرافیک و دستورالعمل­‌ها را برای کارهای معمولی مانند کاوش در وب، پخش فیلم های 4K و بازی­‌های معمولی به ارمغان می­‌آورند. چنین رویکردی اغلب در مورد دستگاه‌هایی استفاده می‌شود که فشردگی و کارایی انرژی برای آن‌ها مهم است، مانند لپ‌تاپ، تبلت، تلفن‌های هوشمند و برخی از رایانه‌های رومیزی.

GPU گسسته :

یک GPU گسسته یک کارت گرافیک اختصاصی است که کاملاً از CPU جدا است. کارت گرافیک GPU در محفظه جداگانه‌ای قرار دارد و می‌­تواند برای پردازش عناصر و دستورالعمل‌­ها به طور جداگانه از CPU استفاده شود. یک کارت گرافیک گسسته با شکل خاص خود همراه با رم ویدیویی (VRAM، حافظه دسترسی تصادفی ویدیویی) ارائه می‌­شود، این ویژگی به GPU گسسته دسترسی سریع به داده‌های تصویر را می‌­دهد. یک ضعف بسیار بزرگ در استفاده از کارت گرافیک اختصاصی این است که گرمای زیادی تولید می­‌کنند، GPU اغلب داغ­ترین دستگاه جانبی در حال اجرا در سیستمی مانند رایانه است، بنابراین به یک منبع تغذیه جداگانه نیاز دارند.

کدام سیستم برای شما بهتر است؟

هر GPU کاربردهای خود را دارد، بنابراین در نهایت بستگی به نوع سیستمی دارد که شما می‌خواهید یا دنبال آن هستید.

با یک GPU مجزا، کاربران می‌توانند از مقدار رم بیشتر و پردازنده سریع‌تر، گرافیک بهتر و مقدار فضای هارد دیسک بیشتر برای ذخیره‌سازی لذت ببرند، بنابراین GPUهای گسسته برای افرادی که گیمرهای جدی یا حرفه‌ای هستند مناسب هستند.

اگر شخصی برای مرور وب یک سیستم کامپیوتری لازم دارد و نیاز دارد از ویرایشگرهای صفحه استفاده کند، در این صورت یک GPU یکپارچه کافی است. شما نباید برای چیزی که نیاز ندارید هزینه‌­ای پرداخت کنید. البته می‌توانید بازی‌ها را روی GPU یکپارچه بازی کنید اما کیفیت در مقایسه با GPUهای مجزا پایین می­­‌آید.

جمع‌بندی

واحد پردازش گرافیکی (GPU) که گاهی اوقات "واحد پردازش بصری" (VPU) نامیده می­‌شود، یک پردازنده تخصصی است که در یک تراشه الکترونیکی نصب شده روی یک کارت گرافیک قرار می‌­گیرد. GPU داده­‌های گرافیکی سه بعدی را که توسط ریزپردازنده ارائه می‌­شود، بارگذاری می­‌کند. GPU یک قطعه جانبی مستقل است که بخشی از چیپست مادربرد یا خود تراشه CPU است. پردازنده‌های گرافیکی امروزی نه تنها برای گرافیک عالی هستند، بلکه پردازنده‌های موازی­‌ای هستند که برای محاسبات حسابی قابل برنامه‌ریزی هستند. استفاده از محاسبات GPU با تکامل دنیا در حال افزایش است. عملکرد پردازنده تک رشته‌­ای دیگر مطابق با تقاضا و انتظارات ما نیست. از این رو استفاده از سیستم‌­های موازی عملکرد را افزایش داده و امکان پردازش گرافیکی کارآمدتر را فراهم کرده است. امروزه دیگر بحث CPU در مقابل GPU نیست. ما بیش از هر زمان دیگری به هر دو نیاز داریم تا نیازهای محاسباتی متنوع خود را برآورده کنیم. بهترین نتایج زمانی حاصل می­شود که از ابزار مناسب برای کار استفاده شود.

مطالب مرتبط

همه مقالات

بهترین دانشگاه مهندسی کامپیوتر جهان

رشته هوش مصنوعی در ایتالیا

ارشد رایانش امن دانشگاه صنعتی امیرکبیر

آیا قبولی در کنکور ارشد کامپیوتر ساده است؟