“科技教程：CPU和GPU的区别是什么?”

现在，cpu和gpu的区别是什么？ 这方面的问题开始引起兴趣，看起来平静的每一天，每个人身上都发生着各种各样的故事。 因为大家现在都想知道这样的新闻，现在大家都想知道cpu和gpu的区别。 有兴趣的朋友请来和我一起看。 我不会胡说八道。 马上跟着编辑，一起来看吧。 我希望对你有帮助。

首先，需要解释中央处理器( CPU )和GPU ( GPU )图形处理器( GPU )的缩写分别代表什么。 cpu是中央解决方案，gpu是显卡解决方案。 其次，要说明两者的区别，首先需要理解两者的共同点。 两者有总线和外部的联系，有自己的缓存体系，还有数字和逻辑运算单元。 一句话，两者都是为了完成计算任务而设计的。

直观地观察地面的形象:

从图中可以看出，cpu和gpu各自有自己的存储器(橙色的部分，实际的存储器体系比图示多且复杂)，控制逻辑)黄色的部分)，运算单元)绿色的部分)，但不同的是cpu的

两者的区别在于片上缓存体系和数字逻辑运算单元的结构不同。 cpu有多核，但总数不超过两位数，每个内核都有足够大的缓存和足够多的数字和逻辑运算单元，有很多加速分支评价和更复杂的逻辑评价的硬件。 gpu的核心数量远远超过cpu，被称为公共核心。 ( nvidia fermi有512个核心。 每个核心拥有的高速缓存相对较小，数字逻辑运算单元也较少且简单( gpu初始时在浮点计算上比cpu弱很多)。 结果，cpu擅长解决许多复杂的计算步骤和许多复杂的数据依赖的计算任务，如分布式计算、数据压缩、人工智能、物理模拟和许多其他计算任务。

由于历史原因，gpu是为视频游戏而生的。 至今，视频游戏市场仍在扩大。 三维游戏中常见的一种操作是对大量数据执行相同的操作，如对每个顶点执行相同的坐标变换，然后对每个顶点根据相同的照明模型计算颜色值。 gpu的内核体系结构非常适合于将相同的指令流并行发送到内核，然后使用不同的输入数据执行。 2003-2004年左右，非图形学行业专家开始观察gpu与众不同的计算能力，开始将gpu用于通用计算，即gpgpu。 随后，nvidia发布了cuda，amd和苹果等企业也发布了opencl，gpu开始在通用计算行业得到广泛应用，包括数值分解、海量数据解决(排序、map-reduce等)、金融分解等。

简单地说，当程序员为cpu编写程序时，他们倾向于利用许多复杂的逻辑结构优化算法来减少计算任务的执行时间。 也就是说，是latency。 程序员为gpu编写程序时，利用解决大量数据的特点，通过提高总数据吞吐量( throughput )来掩盖lantency。 目前，cpu和gpu的差异正在逐渐缩小。 这是因为gpu在解决不规则任务和线程之间的通信方面也取得了很大的进步。 另外，与cpu相比，gpu的功耗问题更为严重。

本文：《“科技教程：CPU和GPU的区别是什么?”》