Introduzione
Con la crescente popolarità di campi come il deep learning, la modellazione/rendering 3D, i giochi VR e il mining di criptovalute, i requisiti informatici moderni sono saliti alle stelle. I componenti hardware incaricati di fornire la potenza di calcolo si sono evoluti in risposta alla domanda. Questa evoluzione ha raggiunto il punto in cui a volte è difficile distinguere i loro ruoli nel sistema informatico.
Questo articolo fornirà un confronto completo tra i due principali motori di elaborazione:la CPU e la GPU.
CPU vs. GPU:panoramica
Di seguito una panoramica dei principali punti di confronto tra CPU e GPU.
| CPU | GPU |
|---|---|
| Un numero minore di core più grandi (fino a 24) | Un numero maggiore (migliaia) di core più piccoli |
| Bassa latenza | Alta produttività |
| Ottimizzato per l'elaborazione seriale | Ottimizzato per l'elaborazione parallela |
| Progettato per eseguire programmi complessi | Progettato per calcoli semplici e ripetitivi |
| Esegue meno istruzioni per orologio | Esegue più istruzioni per orologio |
| Gestione automatica della cache | Consente la gestione manuale della memoria |
| Economico per carichi di lavoro più piccoli | Economico per carichi di lavoro più grandi |
Cos'è una CPU?
La CPU (Central Processing Unit) o il processore principale esegue le istruzioni di calcolo. Collegata alla scheda madre tramite una presa CPU, la CPU ascolta l'input da un programma per computer o da una periferica come una tastiera, un mouse o un touchpad. Quindi interpreta ed elabora l'input e invia l'output risultante alle periferiche o lo archivia in memoria.
Cos'è una GPU?
La GPU (Graphics Processing Unit) è un processore grafico specializzato progettato per essere in grado di elaborare migliaia di operazioni contemporaneamente. Le applicazioni 3D impegnative richiedono l'elaborazione parallela di texture, mash e luce per mantenere le immagini in movimento senza intoppi sullo schermo e l'architettura della CPU non è ottimizzata per tali attività. Lo scopo originale delle GPU era accelerare il rendering grafico.
Differenza tra CPU e GPU
Anche se entrambi sono chip di elaborazione basati su silicio, CPU e GPU differiscono in modo significativo nell'architettura e nell'applicazione.
CPU vs. Architettura della GPU
La CPU è composta da miliardi di transistor collegati per creare porte logiche, che vengono poi collegate in blocchi funzionali. Su scala più ampia, la CPU ha tre componenti principali:
- Unità aritmetica e logica (ALU) comprende circuiti che eseguono operazioni aritmetiche e logiche.
- L'Unità di controllo recupera le istruzioni dall'input e le inoltra ad ALU, Cache, RAM o periferiche.
- Cache memorizza i valori intermedi necessari per i calcoli ALU o aiuta a tenere traccia di subroutine e funzioni nel programma che viene eseguito.
Le CPU possono avere più core con le proprie ALU, unità di controllo e cache.
La GPU è composta da componenti simili, ma presenta un numero molto maggiore di core specializzati più piccoli. Lo scopo di più core è consentire alla GPU di eseguire più operazioni di calcolo parallele .
CPU vs. Rendering della GPU
Le GPU sono state create principalmente per la manipolazione grafica, il che spiega perché sono così superiori alle CPU in termini di velocità di rendering. A seconda della qualità dei singoli componenti hardware, il rendering della GPU può essere fino a cento volte più veloce del rendering della CPU.
Tuttavia, una buona esperienza di rendering non dipende solo dalla velocità. Ad esempio, l'utilizzo di elementi visivi 3D richiede l'esecuzione di più attività complesse mantenendo i dati sincronizzati. Progettate per la complessità, le CPU tendono a superare le GPU nel rendering 3D poiché le GPU sono progettate per eseguire attività più semplici e dirette.
Inoltre, le GPU sono limitate alla memoria della loro scheda grafica (solitamente fino a 12 GB), che non si accumula e non può essere facilmente espansa senza causare colli di bottiglia e danneggiare le prestazioni. La CPU utilizza la memoria principale di sistema, che è facilmente espandibile e arriva fino a 64 GB.
Cache CPU vs. Cache GPU
La CPU utilizza la cache per risparmiare tempo ed energia necessari per recuperare i dati dalla memoria. La cache è progettata per essere più piccola, più veloce e più vicina agli altri componenti della CPU rispetto alla memoria principale.
La cache della CPU comprende più livelli. Il livello più vicino al core viene utilizzato solo da quel core, mentre lo strato più lontano è condiviso tra tutti i core della CPU. Le moderne CPU eseguono automaticamente la gestione della cache. Ogni livello decide se il pezzo di memoria deve essere conservato o sfrattato in base alla frequenza di utilizzo.
La memoria locale della GPU è strutturalmente simile alla cache della CPU. Tuttavia, la differenza più importante è che la memoria della GPU presenta un'architettura di accesso alla memoria non uniforme. Consente ai programmatori di decidere quali pezzi di memoria mantenere nella memoria della GPU e quali espellere, consentendo una migliore ottimizzazione della memoria.
CPU vs. Apprendimento profondo della GPU
Il deep learning è un campo in cui le GPU hanno prestazioni significativamente migliori rispetto alle CPU. I seguenti sono i fattori importanti che contribuiscono alla popolarità dei server GPU nel deep learning:
- Larghezza di memoria - Lo scopo originale delle GPU era accelerare il rendering 3D di trame e poligoni, quindi sono state progettate per gestire set di dati di grandi dimensioni. La cache è troppo piccola per archiviare la quantità di dati che una GPU elabora ripetutamente, quindi le GPU dispongono di bus di memoria più ampi e veloci.
- Set di dati di grandi dimensioni - I modelli di deep learning richiedono set di dati di grandi dimensioni. L'efficienza delle GPU nella gestione di calcoli ad alto contenuto di memoria le rende una scelta logica.
- Parallelismo - Le GPU utilizzano il parallelismo dei thread per risolvere il problema di latenza causato dalle dimensioni dei dati:l'uso simultaneo di più thread di elaborazione.
- Efficienza dei costi - Grandi carichi di lavoro di rete neurale richiedono molta potenza hardware. A tale scopo, i sistemi basati su GPU offrono molte più risorse a un prezzo inferiore.
CPU vs. Estrazione della GPU
Mentre il mining della GPU tende ad essere più costoso, le GPU hanno un tasso di hash più elevato rispetto alle CPU. Le GPU eseguono fino a 800 volte più istruzioni per clock rispetto alle CPU, rendendole più efficienti nella risoluzione dei complessi problemi matematici richiesti per il mining. Le GPU sono anche più efficienti dal punto di vista energetico e più facili da mantenere.
Come funzionano insieme CPU e GPU?
Quando si confrontano i due, è importante capire che le GPU sono state progettate per integrare le CPU, non per sostituirle. La CPU e la GPU lavorano insieme per aumentare la quantità e la velocità dei dati elaborati.
Una GPU non può sostituire una CPU in un sistema informatico. La CPU è necessaria per supervisionare l'esecuzione dei compiti sul sistema. Tuttavia, la CPU può delegare specifici carichi di lavoro ripetitivi alla GPU e liberare le proprie risorse necessarie per mantenere la stabilità del sistema e dei programmi in esecuzione.