CPU与GPU：架构和编程的不同之处

CPU（中央处理器）和GPU（图形处理器）是计算机中常见的两种处理器。它们在架构和编程模型上有着显著的区别。本文将详细介绍CPU和GPU之间的区别，并提供相应的源代码示例。

1. 架构差异：
   CPU是一种通用处理器，适用于广泛的计算任务。它具有少量的高速缓存和多个处理核心，每个核心都可以独立执行指令序列。CPU的设计目标是提供高性能和灵活性，以便执行各种复杂的计算任务。

   GPU则是一种专用于图形处理的处理器。它采用了大规模的并行架构，具有数以千计的小型处理核心，称为流处理器。GPU的设计目标是提供高吞吐量和并行性，以便加速图形渲染和其他并行计算任务。

2. 编程模型差异：
   CPU的编程模型采用了顺序执行的方式，它执行一条指令后再执行下一条指令。这种模型适合于控制流程的复杂计算任务，例如串行算法、逻辑判断和条件分支等。常见的CPU编程语言包括C、C++和Python。

   GPU的编程模型则是基于并行的。它通过同时执行大量的线程来实现高度并行化的计算。每个线程都执行相同的指令，但处理不同的数据。GPU编程通常使用并行计算框架，如CUDA（Compute Unified Device Architecture）或OpenCL（Open Computing Language）。下面是一个使用CUDA编写的简单向量加法的示例代码：

import numpy as np
from numba