GPU和CPU算力换算

Ⅰ CPU和GPU的运算机制的差异

就一般通用处理器来说，在浮点运算、并行处理方面性能远不如GPU。我们可以将GPU的优势发挥出来，使处理器性能得到大幅提高。从更深层次考虑，目前CPU的性能提升遇到了各种各样的困难，除了难以攀升的核心频率之外，核心架构效率、核心数量都很难获得大幅提升。反观GPU就是一番不同的景象了，它的潜力还未被完全的挖掘，提升空间巨大。
首先：处理器核心频率遭遇瓶颈！
细心的消费者会发现近年来处理器已经不再使用核心频率来作为处理器的型号标注。其中一个非常重要的原因就是处理器主频在现有工艺条件之下已经遭遇瓶颈难以继续攀升，想要再依靠频率大幅度提升处理器性能已经走不通了。

然后：处理器核心效率挖掘殆尽！

既然频率已经不能够再提升了，我们可否提升处理器的运行效率来提高处理性能呢？这在一方面是完全可行的，但是提升幅度也非常有限。

目前Intel最强的酷睿 i7处理器，架构方面相比上代酷睿2四核处理器发生了巨大的改变：原生四核、三级缓存、高速QPI总线、三通道DDR3内存控制器、超线程技术、内核及指令集优化等等。在这些技术共同优化之下同频率酷睿i7 965综合性能仅比上代QX9770提升了10-20%，架构的潜力已经被深度挖掘几乎殆尽。

AMD情况也相差不错，Phenom II相比Phenom的性能提升更多源于频率，而核心架构优化贡献仅有不到5%。两大处理器厂商单核心效率都已接近极限，想要继续提升举步维艰。

最后：CPU核心数量增加已达上限！

频率难以提升，核心效率挖掘殆尽，那我们就多加几个核心一起来提高性能好了，不过这也不是简单的事情。从最初的胶水双核到后来的原生四核，再到现在的顶级六核，核心增加变得越来越困难，这其中必定是有原因的。

GPU拥有超高的浮点运算能力！

GPU的运算能力与日俱增，现阶段还是针对图像运算居多，主要还是进行浮点运算和并行处理。通用处理器则更多的是针对整数运算，所以说GPU与通用处理器(General Purpose Processor)设计领域侧重各有不同。
CPU仍然有存在价值，由于通用处理器的设计，令它可以应付日常生活形形色色的工作，所以它与GPU的关系应该是并存的。如CPU负责一般整数运算，而GPU则负责专门浮点计算。如果能够把这两者完美的整合起来，并由此延伸出可供实际运用的架构，必将带来处理器发展的新纪元。

照这样看来CPU与GPU整合确实是一个非常NB的点子啊！那我们要怎么才能做到呢？请点此让我为大家介绍下现在的实际运用例子。

具体参考：http://tech.sina.com.cn/h/2010-08-19/06051464143.shtml

Ⅱ cpu 和GPU的计算有什么不一样的

兄弟要回答完整你的问题，估计要给你本专业类的书了。
我大致说下：
CPU可以兼职GPU的工作但，GPU不能嫌职CPU的工作。
CPU运算范围广，基本你能想得到的功能都可以经过CPU运算。
GPU目前专职图形处理运算（以后还能做什么运算就不知道了）。

Ⅲ CPU和GPU的区别是什么CPU和GPU各指什么

在说明两者之间的区别之前，我们现在了解一下什么事CPU，什么事GPU，两者各代表什么。CPU即中央处理器，GPU即图形处理器。其次，要解释两者的区别，要先明白两者的相同之处：两者都有总线和外界联系，有自己的缓存体系，以及数字和逻辑运算单元。一句话，两者都为了完成计算任务而设计。

两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件；GPU的核数远超CPU，被称为众核（NVIDIA Fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（GPU初始时在浮点计算上一直弱于CPU）。从结果上导致CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务，如分布式计算，数据压缩，人工智能，物理模拟，以及其他很多很多计算任务等。GPU由于历史原因，是为了视频游戏而产生的（至今其主要驱动力还是不断增长的视频游戏市场），在三维游戏中常常出现的一类操作是对海量数据进行相同的操作，如：对每一个顶点进行同样的坐标变换，对每一个顶点按照同样的光照模型计算颜色值。GPU的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在2003-2004年左右，图形学之外的领域专家开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算（即GPGPU）。之后NVIDIA发布了CUDA，AMD和Apple等公司也发布了OpenCL，GPU开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，Map-Rece等），金融分析等等。

简而言之，当程序员为CPU编写程序时，他们倾向于利用复杂的逻辑结构优化算法从而减少计算任务的运行时间，即Latency。当程序员为GPU编写程序时，则利用其处理海量数据的优势，通过提高总的数据吞吐量（Throughput）来掩盖Lantency。目前，CPU和GPU的区别正在逐渐缩小，因为GPU也在处理不规则任务和线程间通信方面有了长足的进步。另外，功耗问题对于GPU比CPU更严重。

总的来讲，GPU和CPU的区别是个很大的话题，甚至可以花一个学期用32个学时十几次讲座来讲，所以如果提问者有更具体的问题，可以进一步提出。我会在我的知识范围内尝试回答。

Ⅳ GPU运算比CPU快很多倍吗

GPU运算是比CPU快很多倍。

CPU运行的是复杂指令，可以进行各种运算，所谓样样精样样松；而GPU指令集简单，工程师就可以将大部分晶体管投入数据运算，所以GPU在图形处理方面要比CPU快很多。

一、CPU 和 GPU 是为了不同的计算任务而设计的：

1、CPU 主要为串行指令而优化，而 GPU 则是为大规模的并行运算而优化。

2、从并行的角度来看，现代的多核 CPU 针对的是指令集并行（ILP）和任务并行（TLP），而 GPU 则是数据并行（DLP）。

3、在同样面积的芯片之上，CPU 更多的放置了多级缓存（L1/L2/LLC）和指令并行相关的控制部件（乱序执行，分支预测等等），而 GPU 上则更多的是运算单元（整数、浮点的乘加单元，特殊运算单元等等）

4、GPU 往往拥有更大带宽的 Memory，也就是所谓的显存，因此在大吞吐量的应用中也会有很好的性能。

二、其次GPU真正的速度优势并没有宣传中的那么大，这主要是因为：

1、所看到的这些比较中，并没有很好的利用上 CPU 中的 SIMD 运算部件。

2、GPU的运算任务无法独立于CPU而执行，运算任务与数据也必须通过总线在GPU与CPU之间传输，因此很多任务是无法达到理论加速的。

(4)GPU和CPU算力换算扩展阅读：

GPU功能作用：

显卡的处理器称为图形处理器（GPU），它是显卡的“心脏”，与CPU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。某些最快速的GPU集成的晶体管数甚至超过了普通CPU。

时下的GPU多数拥有2D或3D图形加速功能。如果CPU想画一个二维图形，只需要发个指令给GPU，如“在坐标位置（x, y）处画个长和宽为a×b大小的长方形”，GPU就可以迅速计算出该图形的所有像素，并在显示器上指定位置画出相应的图形，画完后就通知CPU “我画完了”，然后等待CPU发出下一条图形指令。

有了GPU，CPU就从图形处理的任务中解放出来，可以执行其他更多的系统任务，这样可以大大提高计算机的整体性能。

Ⅳ gpu和cpu的区别是什么

gpu和cpu的区别：

1、作用不同：CPU是指中央处理器，他的作用偏向于调度、协调、管理，当然也有一定的计算能力。GPU是指图像处理器，他的作用主要在图像处理及大型矩阵运算方面，比如学习算法等等。

2、结构不同：CPU的结构可以大致分为运算逻辑部件、寄存器部件和控制部件等。GPU，是一块高度集成的芯片，其中包含了图形处理所必须的所有元件

3、CPU是主动运行的，从手机开启开始就一直在运行，在熄屏状态CPU也在运行。而GPU是被动运行的，在CPU指派了任务之后才会开始工作，任务完成后又将沉寂等待下一个任务。

(5)GPU和CPU算力换算扩展阅读

应用

目前智能手机屏幕越来越大，系统越来越华丽，游戏特效越来越眩目，传统手机纯CPU处理的方式已经完全不能满足现今智能手机发展的需要了。

以前的智能机，其实都是不带显示核心的，所有的软件、游戏都是由CPU进行处理，呈现在屏幕上。但是CPU的图形处理能力很低很低，这也导致了传统的智能手机玩稍微大一点的游戏往往力不从心，大型3D游戏更是成为了奢望。

随着近几年智能机的高速发展，3D加速芯片的引入为智能机的娱乐性注入了强大的生命力。有了3D加速芯片，我们可以流畅地运行各种3D游戏和3D应用程序，体验到前所未有的感觉。

早期的3D加速芯片功能比较单一，性能也比较低，仅仅只为3D程序提供一定的辅助处理作用。而随着科技的发展，现在的3D加速芯片早已演化成真正意义上的GPU（Graphic Processing Unit，图形处理器），已经不只是传统的3D加速器。

GPU不仅仅是负责必要的3D处理，准确地说，它将所有图形显示功能从CPU那里都接管了过来，并且还提供了视频播放、视频录制和照相时的辅助处理，使得CPU被大大解放，可以专心地处理纯指令，而不再需要去负责繁重的图形处理任务了。

系统的3D性能得到极大的提升。所以，手机GPU的诞生，是移动市场的一次大革命。

Ⅵ 听说GPU 比CPU 计算能力强10倍以上,

看来NVIDIA忽悠了不少人啊。GPU计算图形的能力是比CPU强，但是用电脑就光处理图像？

Ⅶ GPU和CPU的区别及渲染是否为并行计算

GPU，从字面意思上就可以看出来。G代表graphical，图形加速。C代表central，核心处理。
现在计算领域正在慢慢挖掘出GPU的价值，传统认为GPU只加速了图形，现在观念变了，越来越注重GPU在分子动力学模拟等方面的加速了。其带来的效应和CPU协同起来，是个1+1>2的组合。
cpu和gpu有不同的定位和分工，gpu全称图形处理器，主要作为图形的渲染设备存在，而cpu则作为计算和控制调度设备完成计算机的主要任务。cpu的运算能力遵循摩尔定律飞速发展。摩尔定律失效后，cpu性能提升遇到瓶颈，开始发展多核技术，但是由于诸多原因，依然难以满足应用程序对计算力的需求。此时nvdida提出了cuda架构gpu用作通用计算。所以gpu其实应该是gpgpu，也就是通用计算gpu。它不但进行图形渲染，也释放计算力用作通用计算。同时提出的概念叫做异构并行计算，由gpu或者dsp/fpga等作为一种计算设备，分担cpu的计算压力。
作为处理器，由于定位不同，二者在底层电路设计上有比较大的区别，cpu作为中央处理器，除了计算任务外，更多的需要进行调度和控制方面的任务，所以它大量的面积用于高速缓存和控制电路，虽然高速缓存有利于提升计算性能，但不是根本上的真正意义上的提升;而gpu作为计算设备，协处理器，不会去承担任务调度和控制方面的任务，所以大量的面积用于ALU，因此，其拥有强大的计算能力，但是由于电路结构的原因，对于数据依赖强，分支严重的计算，gpu性能会很差。
gpu有着广阔的应用领域，另一方面，在生物医学，力学，医疗影像，天气预报等很多领域，涉及大规模矩阵运算，对gpu的需求也很大。
渲染农场支持并行计算~

Ⅷ 电脑中的CPU和GPU是什么意思

CPU ：中央处理器，是一块超大规模的集成电路，是一台计算机的运算核心（Core）和控制核心（ Control Unit）。它的功能主要是解释计算机指令以及处理计算机软件中的数据。

GPU：图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。

CPU和GPU它们分别针对了两种不同的应用场景

1、CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。

2、GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。

(8)GPU和CPU算力换算扩展阅读

CPU和GPU应用的方向

1、CPU所擅长的像操作系统这一类应用，需要快速响应实时信息，需要针对延迟优化，所以晶体管数量和能耗都需要用在分支预测、乱序执行、低延迟缓存等控制部分。

2、GPU适合对于具有极高的可预测性和大量相似的运算以及高延迟、高吞吐的架构运算。

Ⅸ GPU和CPU到底谁运算能力强

两者的侧重点不同，GPU针对的是图像，CPU针对的是数据，两者不好做比较，如果非要比的话，GPU要强于CPU