GPU 编程 CPU 异同点_GPU编程6--CPU与GPU的区别

我们学习GPU编程，肯定都是要有CPU编程的基础，不可能连C都不会就直接学习GPU，因此，我们这一节就来讲一下CPU与GPU的不同，可以让大家更好的了解GPU编程。

1. 硬件架构不同，以Intel的某款8核处理器为例，CPU中有很大一部分面积都被缓存占去了，相比之下，8个核心占的面积并不算大。所以CPU的主要时间并不是计算，而是在做数据的传输。

再来看GPU的架构，从下图可以看出，GPU中缓存只占了很小的一部分的空间，绝大多数的空间都被计算单元SMX占用，因此GPU更适合用来做运算。

2. CPU适合那种逻辑复杂，但运算量小的任务；而GPU适合运算量大，但逻辑简单的任务，结合我们后面章节讲的例子，也可以看出，我们在GPU编程时，有一种优化方式就是将循环展开，这样会导致代码量会有所提高，但通过这个操作，我们明确告诉GPU应该做什么处理，提高GPU的执行效率；

3. 支持线程的方式不同，CPU的每个核只有少量的寄存器，每个寄存器都将在执行任何已分配的任务中被用到。为了能执行不同的任务，CPU将在任务与任务之间进行快速的上下文切换。从时间的角度看，CPU上下文切换的代价是非常昂贵的，因为每一次上下文切换都要将寄存器组里的数据保存到RAM中，等到重新执行这个任务时，又从RAM中恢复。相比之下，GPU同样会用到上下文切换的概念，但它拥有多个寄存器组而不是单个寄存器组。因此一次上下文切换只需要设置一个寄存器组调度者，用于将当前寄存器组里的内容换进、换出，它的速度比将数据保存到RAM中要快好几个数量级。

4. 对失速状态的处理不同，失速状态是指当没有足够多的任务时，处理器就会闲置。如果此时有很多小任务，每一个都会在一小段时间后阻塞，那么CPU将花费大量的时间在上下文切换上，而只有少部分时间在做有用的工作，此时效率就会急剧下降。而GPU对这种失速状态的处理就很好，GPU采用的是数据并行的模式，它需要成千上万个线程，从而实现高效的工作。它利用有效的工作池来保证一直有事可做，不会出现闲置状态。当GPU遇到内存获取操作或在等待计算结果时，SM就会切换到另一个指令流，而在之后再执行之前被阻塞的指令。

5. CPU遵循缓存一致性，而GPU不是，这一点在上一节“GPU内存深入了解”中有讲，这里不多赘述。

欢迎关注微信公众号：Quant_Times