GPU 基础知识整理

萌新：

在接触一款硬件时我会：基础硬件结构，线程结构，内存布局，数据吞吐量，等方面进行学习

首先GPU的特点:

1. 并行性能：GPU 是专门设计用于并行计算的硬件，通常具有大量的处理单元（CUDA核心或流处理器）。这使得 GPU 能够同时处理大量的数据和任务，适用于高度并行化的工作负载，如深度学习、科学计算和图形渲染。

2. 浮点性能：GPU 在浮点运算性能上通常非常强大，可以执行大规模的浮点计算，适用于科学计算、仿真和数据分析等需要高精度计算的任务。

3. 高内存带宽：GPU 具有高带宽的内存，可以快速读写大量数据。这对于需要大规模数据处理和存储的应用非常有帮助，如大规模数据分析和图像处理。

4. 通用性：现代 GPU 具有通用计算能力，不仅可以用于图形渲染，还可以用于通用计算任务。CUDA 和 OpenCL 等编程模型使开发人员能够在 GPU 上执行各种应用程序，包括科学计算、深度学习、密码学等。

5. 能效：GPU 在相对低功耗下提供了强大的计算能力，这使得它们在能效方面比传统的 CPU 更具优势。这对于大规模数据中心和移动设备非常重要。

6. 大规模数据并行性：GPU 在处理大规模数据集时表现出色，能够加速数据密集型任务，如机器学习、数据挖掘和图像处理。

7. 深度学习加速：GPU 对深度学习任务非常有利&#