Indholdsfortegnelse:
Definition - Hvad betyder GPU-accelereret computing?
GPU-accelereret computing er beskæftigelsen af en grafikbehandlingsenhed (GPU) sammen med en computerbearbejdningsenhed (CPU) for at lette behandlingsintensive operationer såsom dyb læring, analyse og tekniske applikationer. GPU blev udviklet af NVIDIA i 2007 og giver langt overlegen applikationsydelse ved at fjerne behandlingsintensive applikationsafsnit til GPU. GPU-accelereret computerdistribution vokser i popularitet på grund af den store række applikationer, som den kunne bruges i, såsom kunstig intelligens, droner, robotter eller autonome biler.
Techopedia forklarer GPU-accelereret computing
GPU hjælper med at levere overlegen ydelse til softwareapplikationer. Fra brugerens perspektiv gør GPU-accelereret computing applikationer hurtigere. GPU-accelererede databehandlingsfunktioner ved at flytte de computerintensive afsnit af applikationerne til GPU, mens resterende sektioner har tilladelse til at udføre i CPU'en. Mens CPU'en består af kerner designet til sekventiel seriel behandling, er GPU designet med en parallel arkitektur bestående af mere effektive, men endnu mindre kerner, der let kan håndtere flere opgaver parallelt. Som et resultat beregnes meget komplicerede beregninger parallelt i GPU, mens GPU-accelereret computing udføres, mens sekvensberegninger udføres i CPU'en. Et andet vigtigt træk ved GPU-accelereret computing er den support, der tilbydes alle parallelle programmeringsmodeller, og hjælper således applikationsdesignere og -udviklere med at give overlegen applikationsydelse.
GPU-accelereret computing er blevet udbredt brugt til videoredigering, medicinsk billeddannelse, væskesimuleringer, farveklassificering og virksomhedsapplikationer, og dens anvendelse er lovende inden for komplekse områder som kunstig intelligens og dyb læring.
