图形处理器——GPU

图形处理器GPU（Graphics Processing Unit）

又称为显示核心、视觉处理器、显示芯片，是一个专门在个人电脑、工作站、游戏机和一些移动设备上图像运算工作的微处理器

将计算机系统所需要的显示信息进行转换驱动，并向显示器提供扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的中套设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。

GPU加速计算是指同时利用图形处理器[GPU]和CPU，加快科学、分析、工程和企业应用程序的运行速度

GPU加速计算可以提供非凡的应用程序性能，能将应用程序计算密集部分的工作负载转移到GPU，同时仍由CPU运行其余程序代码。从用户的角度来看，应用程序的运行速度明显加快。

理解GPU和CPU之间的区别的一种简单方式是比较他们如何处理任务。CPU由专为顺序串行处理而优化的几个核心组成，而GPU则拥有一个由数以千计的更小、更高效的核心（专为同时处理多重任务二设计）组成的大规模并行计算架构

CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工

下面是处理器内部结构图：

DRAM即动态随机存取存储器，是常见的系统内存

Cache存储器：电脑中作高速缓冲存储器，是位于CPU和主存储器DRAM之间，规模较小，但速度很高的存储器

算数逻辑单元ALU是能实现多组算术运算和逻辑运算的组合逻辑电路

当需要对大数据bigdata做同样的事情时，GPU更合适，当需要对同一数据做很多事情时，CPU正好合适关于图形方面的以及大型矩阵运算，如机器学习算法等方面，GPU就能大显身手

简而言之，CPU擅长统领全局等复杂操作，CPU擅长对大数据进行简单重复操作。CPU是从事复杂脑力劳动的救援，而GPU是进行大量并行计算的体力劳动者

深度学习是模拟人脑神经系统而建立的数学网络模型，这个模型的最大特点是，需要大数据来训练。因此，对电脑处理器的需求，就是需要大量的并行的重复计算，GPU正好有这个专长，因此担当重任。

提供给了多核并行计算的基础结构，且核心数非常多，可以支撑大量数据的并行计算

并行计算或称平行计算是相对于串行计算来说的。它是一种一次可执行多个指令的算法，目的是提高计算速度，及通过扩大问题求解规模，解决大型而复杂的计算问题
拥有更高的访存速度
更高的浮点运算能力。浮点运算能力是关系到处理器的多媒体、3D图形处理的一个重要指标。现在的计算机技术中，由于大量多媒体的应用，浮点数的计算大大增加了，比如3D图形的额渲染等工作，因此浮点运算能力是考察处理器计算能力的重要指标