CPU与GPU从何抉择？

pc8888888

中央处理器（CPU）和图形处理器（GPU）是基本的计算引擎。但是随着计算需求的发展，并不总是很清楚CPU和GPU之间的区别以及哪种工作负载最适合它们。今天就让多线通为您解答吧：
无论是用于深度学习应用程序，大规模并行处理，密集型3D游戏还是其他要求苛刻的工作负载，当今的系统都被要求做比以往更多的工作。中央处理器（CPU）和图形处理器（GPU）的作用非常不同。CPU用来做什么？GPU的用途是什么？购买新计算机并比较规格时，了解每个角色所扮演的角色很重要。
什么是CPU？
由数百万个晶体管构成的CPU可以具有多个处理核心，通常被称为计算机的大脑。它对于所有现代计算系统都是必不可少的，因为它执行计算机和操作系统所需的命令和过程。从浏览网页到构建电子表格，CPU在确定程序运行速度方面也很重要。
什么是GPU？
GPU是由许多更小，更专业的内核组成的处理器。通过多线并存工作特性，可以在多个内核之间划分和处理处理任务时，这些内核可以提供出色的性能。
CPU和GPU有什么区别？
CPU和GPU有很多共同点。两者都是关键的计算引擎。两者都是基于硅的微处理器。两者都处理数据。但是CPU和GPU具有不同的体系结构，并且为不同的目的而构建。
CPU适用于各种工作负载，尤其是对于延迟或每核性能很重要的工作负载。作为功能强大的执行引擎，CPU将其较少数量的内核集中于单个任务和快速完成任务。这使其非常适合各种任务，从串行计算到正在运行的数据库。
GPU开始于开发专用的ASIC，以加速特定的3D渲染任务。随着时间的流逝，这些固定功能引擎变得更具可编程性和灵活性。尽管当今顶级游戏的图形和逼真的视觉效果仍然是其主要功能，但GPU也已经发展成为更通用的并行处理器，可以处理越来越多的应用程序。
什么是集成显卡？
集成或共享的图形与CPU集成在同一芯片上。某些CPU可以内置GPU，而不是依靠专用或独立的图形。它们有时也称为IGP或集成图形处理器，它们与CPU共享内存。
集成图形处理器具有许多优点。它们与CPU的集成使其比专用图形处理器具有空间，成本和能源效率方面的优势。它们具有处理图形相关数据和处理常见任务（例如浏览网络，流4K电影和休闲游戏）指令的能力。
这种方法最常用于紧凑型和节能的设备，例如笔记本电脑，平板电脑，智能手机和某些台式机。
加速深度学习和AI的
今天，GPU运行着越来越多的工作负载，例如深度学习和人工智能（AI）。对于具有多个神经网络层或大量特定数据集（例如2D图像）的深度学习训练，GPU或其他加速器是理想的选择。
深度学习算法经过改编以使用GPU加速方法，从而显着提高了性能，并首次将一些实际问题的训练带到了可行和可行的范围。
随着时间的流逝，CPU和在其上运行的软件库已经发展为具有更强大的能力来执行深度学习任务。例如，通过广泛的软件优化和专用的AI硬件（例如最新的IntelXeon可扩展处理器中的Intel深度学习Boost（IntelDL Boost）），基于CPU的系统在深度学习性能方面得到了改善。
对于许多应用程序而言，例如在语言，文本和时间序列数据的高清，3D和基于非图像的深度学习中，CPU都出类拔萃。对于复杂的模型或深度学习应用（例如2D图像检测），CPU所能支持的存储容量甚至比当今最好的GPU还要大。
CPU和GPU的结合以及足够的RAM，为深度学习和AI提供了很好的测试平台。

如何在GPU和CPU之间做出抉择呢?
多线通认为，CPU和GPU各自具有独特的优势，这将使它们在满足未来的计算需求中发挥不可或缺的作用。作为集成GPU的形式，GPU是当今英特尔客户端产品的重要组成部分，未来将添加分立GPU，以提供更广泛的性能选择。尽管CPU仍然很关键，但越来越多的数据中心工作负载可以从GPU中受益。