CUDA带领硬件发展 感受无处不在的视觉科技

 经常听到一些身边的朋友说“N卡适合玩游戏，A卡适合作图”，虽然说从专业的角度看这句话有些小白，但是代表了大家的一种结论性的感受--那就是NVIDIA的 显卡再运行游戏的时候给玩家提供了不错的视觉体验。PhysX是最近很热的一个词，可能其中文名“物理加速技术”更为大家所熟悉。简单点说效果就是运行游戏的时候画面的细节更清晰，图像反应更真实。再直白点就是说玩极品飞车13游戏的时候，赛道边上的彩旗都是自然的迎风而动的。如此逼真的画面来自物理加速技术，那么物理加速技术依托什么呢，今天奔腾来给大家聊聊。

并行化的GPU

    如今的GPU发展已经完全超越了CPU的发展速度，随着人们对显示核心日益增高的要求，GPU已经成为了电脑的一个重要组成部分。CPU构架偏重于串行方式运行，自核心开始经过各级缓存一直到内部存储器甚至外部存储器。而NVIDIA的GPU构架偏重与并行方式运行，每个流处理单元都有内存控制器模块，控制模块可以直接沟通各个存储系统。数十亿的晶体管组成了超大规模的小的处理单元，位的就是能够同时吞吐更大的数据量。所以说一方面GPU运行很多复杂繁琐的数据，一方面相对CPU的智能运算较为简单。

底层更直接

    搞编程的人，大多都是基础计算机语言入门。先接触最底层的编程语言，然后在有了电脑思维后再进行高级语言编辑以来应付实际应用。不过一些深层次的功能性模块仍然采用最底层的C语言来编写，一方面底层调用数据更直接更高效，一方面C语言是一个潜移默化的标准通用性强。而CUDA技术就是基于C语言的一个GPU最底层的指令集的构架体系。这样执行起来通用快速！

    说了这么多，可能有些枯燥，简单的说就是GPU再采用CUDA构架体系的指令集后，任何一个参与其标准的编程人员都可以通过最底层的语言调用GPU为其编写的程序做无缝隙的直接服务，速度更快。

科学应用

    科学运算与商业设计中早已经应用了CUDA，毕竟CUDA是发展了一段时间的成熟高效技术。一些科学研究机构甚至用多个GPU来完成CPU的运算，因为超大数量的晶体管执行起繁琐的运算更专一更迅速。而商业化的应用更多，很多好莱坞的工作室应用其进行大量的图像渲染工作，既能节省设备费用又能缩短制作时间。

CUDA解码无处不在

我们身边的应用

    随着网络的普及与存储设备的增容，高清视频走进了寻常百姓家中，周末在家用大尺寸平板电视看个1080电影已经是再平常不过了。大家可能发现，在不选择硬件解码的时候，CPU变得很忙碌以至于无暇顾及其他的一些程序的正常运行。而有了CUDA后，解码这样的重复性工作就交给了GPU,cpu完全解放了，并且GPU的效率还很高。这就又回到了并行的方式与底层的代码高效配合，实际价值得以充分体现。

显卡怎么选

GT240

GTX60

    回到最实际的问题上来，CUDA很先进，我们显卡怎么选择。这里奔腾找了市面上支持CUDA的两款主流显卡做个简单的对比性试验。GT240与GTX260，同时播放一段高质量视频，因为需要对视频进行硬件的解码，所以处理数度能够说明一定的问题。可以看到两款显卡的成绩为46S与67s。可见GTX260再解码效率上领先GT240 31.3%，而帧率是个反映连贯性的指标，每秒钟24幅图像以上在人的眼镜中就可以呈现连贯的画面。而GTX260的60多帧领先了GT240的40多帧，不过都超过了30帧的基本视频播放基准。可见GT240就基本能够满足常规的使用，而GTX260则能更好的完成。如果您预算不是很多，使用小尺寸显示器，GT240已经能够满足您不错的使用需求。而若是选择了22寸以上的高分辨率显示器，就会随着带来更多的数据运算，那么GTX260则更为优秀。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/22785983/viewspace-662678/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/22785983/viewspace-662678/