GPU及相关技术简介

什么是 GPU

GPU（GraphicsProcessing Unit）是图形处理器的简称，这个概念是由NVIDIA公司在发布GeForce256绘图处理芯片时首先提出。

GPU使显卡减少了对CPU的依赖，并分担了部分原本是由CPU所担当的工作，尤其是在进行3D图形处理时，功效更加明显。GPU所采用的核心技术有硬件座标转换与光源、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等。

GPU简史

图形芯片最初用作固定功能图形管线。随着时间的推移，这些图形芯片的可编程性日益增加，在此基础之上NVIDIA?（英伟达?）推出了第一款GPU(图形处理器)。1999-2000年间，计算机科学家，与诸如医疗成像和电磁等领域的研究人员，开始使用GPU（图形处理器）来运行通用计算应用程序。他们发现GPU（图形处理器）具备的卓越浮点性能可为众多科学应用程序带来显著的性能提升。这一发现掀起了被称作 GPGPU（GPU（图形处理器）通用计算）的浪潮。

此处需要解决的问题为GPGPU要求使用图形编程语言来对GPU（图形处理器）进行编程，如OpenGL和Cg等。开发人员需要使其科学应用程序看起来像图形应用程序，并将其关联到需要绘制三角形和多边形的问题。这一方法限制了GPU（图形处理器）的卓越性能在科学领域的充分发挥。

NVIDIA®（英伟达™）认识到了让更多科学群体使用这一卓越性能的强大优势，决定投资来修改GPU（图形处理器），使其能够完全可编程以支持科学应用程序，同时还添加了对于诸如C、C++和Fortran等高级语言的支持。此举最终推动诞生了面向GPU（图形处理器）的 CUDA架构。

GPU计算的特点

• GPU/CPU架构比较

GPU在处理能力和存储器带宽上相对于CPU有明显优势，在成本和功耗上也不需要付出太大代价。由于图形渲染的高度并行性，使得GPU可以通过增加并行处理单元和存储器控制单元的方式提高处理能力和存储器带宽。GPU设计者将更多的晶体管用作执行单元，而不是像CPU那样用作复杂的控制单元和缓存并以此来提高少量执行单元的执行效率。下图对CPU与GPU中的逻辑架构进行了对比。

• 强大的浮点计算能力

CPU的整数计算、分支、逻辑判断和浮点运算分别由不同的运算单元执行，此外还有一个浮点加速器。因此，CPU面对不同类型的计算任务会有不同的性能表现。而GPU