圖形處理器(英語：GraphicsProcessingUnit，縮寫：GPU)，又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機(jī)和一些移動設(shè)備(如平板電腦、智能手機(jī)等)上圖像運(yùn)算工作的微處理器。

用途是將計算機(jī)系統(tǒng)所需要的顯示信息進(jìn)行轉(zhuǎn)換驅(qū)動，并向顯示器提供行掃描信號，控制顯示器的正確顯示，是連接顯示器和個人電腦主板的重要元件，也是“人機(jī)對話”的重要設(shè)備之一。顯卡作為電腦主機(jī)里的一個重要組成部分，承擔(dān)輸出顯示圖形的任務(wù)，對于從事專業(yè)圖形設(shè)計的人來說顯卡非常重要。

GPU是為了能夠更快處理圖像而誕生

在九十年代，一批工程師意識到：在屏幕上進(jìn)行多邊形圖像渲染，本質(zhì)上是個能并行處理的任務(wù)--每個像素點(diǎn)的色彩可以獨(dú)立計算，不需要考慮其它像素點(diǎn)。于是GPU誕生，成為比CPU更高效的渲染工具。簡而言之，由于CPU在圖像渲染方面的能力不足，GPU被發(fā)明出來分擔(dān)這部分工作，此后就成了專門搞這方面的硬件。有了上千個更加簡單的核心，GPU能高效地處理讓CPU十分吃力的任務(wù)。只要有合適的代碼配合，這些核心就能處理超大規(guī)模的數(shù)學(xué)運(yùn)算，實(shí)現(xiàn)逼真的游戲體驗(yàn)。

GPU作為顯示卡的“大腦”決定了該顯卡的檔次和大部分性能，同時GPU也是2D顯示卡和3D顯示卡的區(qū)別依據(jù)。2D顯示芯片在處理3D圖像與特效時主要依賴CPU的處理能力，稱為軟加速。3D顯示芯片是把三維圖像和特效處理功能集中在顯示芯片內(nèi)，也就是所謂的“硬件加速”功能。顯示芯片一般是顯示卡上最大的芯片。時下市場上的顯卡大多采用NVIDIA和AMD-ATI兩家公司的圖形處理芯片。NVIDIA公司在1999年發(fā)布GeForce256圖形處理芯片時首先提出GPU的概念。從此NV顯卡的芯就用這個新名字GPU來稱呼。GPU使顯卡削減了對CPU的依賴，并實(shí)行部分原本CPU的工作，更加是在3D圖形處理時。

GPU能將3D模型的信息轉(zhuǎn)換為2D表示，同時添加不同的紋理和陰影效果，所以GPU在硬件里也是比較特殊的存在。從3D建模到最終顯示在屏幕上，GPU渲染場景使用的是流水線操作。早些時候流水線操作是固定不能作任何改動的，整個操作由讀取三角形的頂點(diǎn)數(shù)據(jù)開始，接著GPU處理完后進(jìn)入幀緩沖區(qū)(framebuffer)，準(zhǔn)備發(fā)送給顯示器。GPU也能對場景進(jìn)行某些特定效果的處理，不過這些都是由工程師設(shè)計固定好的，能提供的選項(xiàng)很少。

GPU設(shè)計之初非針對深度學(xué)習(xí)而是并行計算

GPU關(guān)鍵性能是并行計算。這意味著可以同時處理運(yùn)算，而不是一步步進(jìn)行。復(fù)雜問題可被分解為更簡單的問題，然后同時進(jìn)行處理。并行計算適用于HPC和超算領(lǐng)域所涉及的許多問題類型，比如氣象、宇宙模型和DNA序列。并不是只有天體物理學(xué)家和氣象學(xué)家才能充分利用并行計算的優(yōu)點(diǎn)。事實(shí)證明，許多企業(yè)應(yīng)用能從并行計算獲得超出尋常比例的好處。這包括：數(shù)據(jù)庫查詢、密碼學(xué)領(lǐng)域的暴力搜索、對比不同獨(dú)立場景的計算機(jī)模擬、機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、地理可視化

在GPU設(shè)計之初，并非針對深度學(xué)習(xí)，而是圖形加速，在NVIDIA推出CUDA架構(gòu)之前，GPU并無太強(qiáng)對深度學(xué)習(xí)運(yùn)算能力的支持。而如今，NVIDIA可以提供基于其GPU的從后端模型訓(xùn)練到前端推理應(yīng)用的全套深度學(xué)習(xí)解決方案，一般的開發(fā)人員都可以非常容易地上手使用GPU進(jìn)行深度學(xué)習(xí)開發(fā)，或者高性能運(yùn)算。而CUDA架構(gòu)的開發(fā)，耗費(fèi)了NVIDIA巨大的人力物力?？梢哉f，是CUDA這個中間層(computingframework)的優(yōu)化，才使得開發(fā)者真正愛上了GPU，NVIDIA勝在軟件。而CUDA還不能稱之為算法，它只是計算硬件與算法之間的橋梁。

目前來看，NVIDIA作為人工智能計算平臺的領(lǐng)導(dǎo)者，但事實(shí)是，一開始并非NVIDIA選擇了人工智能，而是人工智能的研究者選擇了GPU，進(jìn)而成就了NVIDIA。在2012年，Alex利用深度學(xué)習(xí)+GPU的方案，一舉贏得ImageNetLSVRC-2010圖像識別大賽，并奇跡般地將識別成功率從74%提升到85%。NVIDIA敏銳地覺察到了這一趨勢，并大力優(yōu)化基于GPU的深度學(xué)習(xí)生態(tài)系統(tǒng)，并加速迭代開發(fā)，三年時間將GPU性能提升了65倍，從而奠定了目前的王者之位。

AI時代 GPU將是數(shù)據(jù)爆炸時代的核心處理模塊

對于人工智能計算架構(gòu)來說，一般可以歸結(jié)為三類模式：CPU + GPU，CPU + FPGA，CPU + ASIC(專用集成電路)。其中，應(yīng)用于圖形、圖像處理領(lǐng)域的GPU 可以并行處理大量數(shù)據(jù)，非常適合深度學(xué)習(xí)的高并行、高本地化數(shù)據(jù)場景，是目前主流的人工智能計算架構(gòu)。

如果把科技產(chǎn)業(yè)劃分為三個時代：PC 時代、移動互聯(lián)網(wǎng)時代和AI 時代。目前，我們處于移動互聯(lián)網(wǎng)時代的末期和下一個時代的早期，即以深度學(xué)習(xí)、無人駕駛為主的AI 時代。

來源：環(huán)境監(jiān)控系統(tǒng) 機(jī)房動力環(huán)境監(jiān)控系統(tǒng) http://qdlanhai.cn/solution/  本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除