Teknologian kehittyessä myös tietokonejärjestelmissä käytettävää laitteistoa päivitetään vastaamaan yleisön vaatimuksia. Aiemmin tietokonejärjestelmissä oli CPU (Central Processing Unit). Myöhemmin GPU:n (Graphics Processing Unit) käyttöönotto on nostanut kuvien renderöinnin ja kuvankäsittelyn uudelle tasolle. Nykyään tekoälyn aikakaudella meillä on TPU (Tensor Processing Unit). Kaikki nämä kolme ovat prosessoreita, jotka on kehitetty suorittamaan tiettyjä tehtäviä tietokoneella. Tässä artikkelissa puhumme prosessorin, grafiikkasuorittimen ja TPU:n välisestä erosta.
TPU vs GPU vs CPU suorituskyky ja erot käsitelty
CPU tai TPU Keskusyksikkö suorittaa kaikki aritmeettiset ja loogiset toiminnot. Toisaalta GPU:n tehtävänä on renderoida ja käsitellä kuvia tai grafiikkaa. TPU on Googlen kehittämä erityinen prosessori. Sitä käytetään neuroverkon käsittelyyn TensorFlow’n avulla. CPU voi suorittaa useita tehtäviä, mukaan lukien kuvan renderöinti. Mutta korkeampi kuvantoiston taso vaatii erillisen prosessorin, GPU:n. Siksi huippuluokan pelit vaativat aina erillisen näytönohjaimen.
Mikä on suoritin?
CPU tarkoittaa keskusyksikköä. Se on tietokoneen aivot, koska se hoitaa kaikki tehtävät, joita käyttäjä suorittaa tietokoneessaan. Prosessori suorittaa kaikki aritmeettiset ja loogiset laskelmat, jotka tarvitaan tehtävän suorittamiseen. CPU:n tarkoitus on ottaa syötettä tietokoneeseen liitetyistä laitteista, kuten näppäimistöstä, hiirestä jne., tai ohjelmointiohjelmistosta ja näyttää tarvittava tulos.
CPU:n komponentit
CPU koostuu seuraavista kolmesta osasta:
CU (ohjausyksikkö)ALU (aritmeettinen ja looginen yksikkö) rekisterit
CPU:n ohjausyksikkö
Ohjausyksikkö (CU) on yksi CPU:n osista, joka hakee ohjeet päämuistista ja purkaa ne komennoiksi. Nämä komennot lähetetään sitten ALU:lle, jonka tehtävänä on suorittaa nämä ohjeet, ja lopuksi tulos tallennetaan päämuistiin.
ALU (aritmeettinen ja looginen yksikkö) CPU:ssa
ALU, kuten nimestä voi päätellä, on CPU:n komponentti, jonka tehtävänä on suorittaa aritmeettisia ja loogisia laskutoimituksia tai operaatioita. Lisäksi ALU voidaan jakaa kahteen osaan, nimittäin AU (aritmeettinen yksikkö) ja LU (looginen yksikkö). Näiden kahden yksikön tehtävänä on suorittaa aritmeettisia ja loogisia operaatioita.
ALU suorittaa kaikki suorittimen vaatimat laskelmat. ALU vastaanottaa komennot ohjausyksiköltä. Saatuaan nämä komennot se käsittelee ne laskemalla ja tallentaa sitten lopputuloksen päämuistiin. ALU suorittaa seuraavat kolme toimintoa:
Loogiset toiminnot: Näitä operaatioita ovat AND, OR, NOT, NAND, NOR jne.Bittisiirtotoiminnot: Bittisiirtooperaatio tarkoittaa bittien siirtymistä oikealle tai vasemmalle tietyllä määrällä paikkoja.Aritmeettiset operaatiot: yhteen-, vähennys-, kerto-ja jakolasku ovat aritmeettisia operaatioita.
Rekisterit prosessorissa
CPU koostuu useista rekistereistä. Näihin rekistereihin kuuluu sekä yleis-että erikoisrekisterit. Yleisrekisteriä käytetään tietojen väliaikaiseen tallentamiseen. Toisaalta erikoisrekistereitä käytetään ALU:n suorittamien aritmeettisten ja loogisten operaatioiden tulosten tallentamiseen.
Mitä CPU-ytimet ovat?
CPU-ytimet ovat polkuja, jotka koostuvat miljardeja mikroskooppisia transistoreita. CPU käyttää ytimiä tietojen käsittelemiseen. Yksinkertaisesti sanottuna CPU-ydin on CPU:n peruslaskentayksikkö. Ytimen määrä on suoraan verrannollinen suorittimen laskentatehoon. CPU-ytimet määrittelevät, pystyykö CPU käsittelemään useita tehtäviä vai ei. Olet ehkä kuullut seuraavista kahdesta prosessorityypistä:
Yksiytiminen CPUMoniydinsuoritin
Yksiytiminen CPU pystyy käsittelemään vain yhden tehtävän kerrallaan, kun taas moniytiminen suoritin pystyy käsittelemään useita tehtäviä aika. Jos järjestelmääsi on asennettu moniytiminen suoritin, voit tehdä useampaa kuin yhtä tehtävää kerrallaan, kuten selata Internetiä, luoda asiakirjan tai laskentataulukon Microsoft Office-ohjelmissa, muokata kuvia jne. samaan aikaan. Tarvitsemasi suorittimen ytimen määrä riippuu tietokoneellasi suorittamastasi työstä.
Mikä on GPU?
GPU tarkoittaa grafiikan käsittelyyksikköä. GPU:ta käytetään useissa sovelluksissa, mukaan lukien kuvien ja videoiden renderöinnissa. Pelialalla grafiikkakorteilla on ratkaiseva rooli. GPU on näytönohjaimen pääkomponentti. Grafiikkakortteja on kahta tyyppiä, nimittäin integroidut näytönohjaimet ja erilliset näytönohjaimet. Integroitu näytönohjain on se, joka on integroitu tietokoneen emolevyyn. Integroidut GPU:t eivät pysty käsittelemään korkean tason tehtäviä, kuten huippuluokan pelaamista. Tästä syystä, jos olet huippuluokan pelaaja, sinun on asennettava tietokoneellesi erillinen näytönohjain. Tämän lisäksi raskaan ohjelmiston suorittamat kuvan ja videon muokkaustehtävät vaativat myös erillisen näytönohjaimen.
Lue: Mihin GPU Computingia käytetään?
Mitä eroa on grafiikkasuorittimella ja grafiikkakortilla?
Vaikka termejä GPU ja Graphics Card käytetään keskenään, molemmat termit eivät ole samoja. Katsotaanpa mitä eroa näillä kahdella termillä on?
GPU on näytönohjaimen osa, kun taas näytönohjain on laitteisto, joka on varustettu eri komponenteilla, kuten grafiikkasuorittimella, muistilla, jäähdytyselementti, tuuletin jne. GPU on näytönohjaimen sydän, koska kaikki kuvien käsittelyyn ja renderöimiseen tarvittavat laskelmat suoritetaan GPU:lla. Toisin kuin CPU:ssa, GPU:ssa on satoja tai tuhansia ytimiä. Nämä GPU:n pienet ytimet vastaavat yksinkertaisista monimutkaisiin laskutoimituksiin.
Lue: DDR3-, DDR4-ja DDR5-grafiikkakorttien ero.
Mikä on TPU?
TPU tulee sanoista Tensor Processing Unit. Se on Googlen kehittämä prosessori käsittelemään neuroverkon käsittelyä TensorFlow’n avulla. TensorFlow on ilmainen ja avoimen lähdekoodin ohjelmistokirjasto tekoälylle ja koneoppimiselle.
Googlen kehittämän TPU:n ydin koostuu kahdesta yksiköstä, nimittäin MXU:sta (Matrix Multiply Unit) ja VPU:sta (Vector). Käsittelyyksikkö). Matrix Multiply Unit suorittaa matriisilaskelmia ja toimii 16–32-bittisessä liukulukumuodossa, kun taas Vector Processing Unit suorittaa float32-ja int32-laskelmia.
Google on kehittänyt Cloud TPU:n tarjoamaan maksimaalista joustavuutta ja suorituskykyä tutkijat, kehittäjät ja yritykset. TPU:iden kehittämisen päätavoitteena on minimoida suurten ja monimutkaisten hermoverkkomallien kouluttamiseen tarvittava aika. Pilvi-TPU nopeuttaa koneoppimissovelluksissa käytetyn lineaarialgebralaskennan suorituskykyä. Tämän ansiosta TPU:t pystyvät minimoimaan tarkkuuteen kuluvan ajan, kun on kyse suurten ja monimutkaisten hermoverkkomallien koulutuksesta. Jos harjoittelet hermoverkkomalleja TPU:han integroidulla laitteistolla, se kestää tunteja, kun taas sama tehtävä toisella laitteistolla voi kestää viikkoja.
Lue: Tee enemmän prosessoriytimiä tarkoittaa parempaa suorituskykyä?
TPU vs GPU vs CPU: vertailu eri tekijöiden perusteella
Verrataan näitä kolmea prosessoria eri tekijöiden mukaan.
Ydimet
CPU: Suorittimen ytimien lukumäärään kuuluu yksi (yksiydinprosessori), 4 (neliydinprosessori), 8 (kahdeksanytiminen prosessori) jne. CPU-ytimet ovat suoraan verrannollinen suorituskykyyn ja tekee siitä myös moniajoa.GPU: Toisin kuin suorittimessa, grafiikkasuorittimessa on useista sadaista useisiin tuhansiin ytimiä. GPU:n laskelmat suoritetaan näissä ytimissä. Näin ollen GPU-suorituskyky riippuu myös siinä olevien ytimien määrästä.TPU: Googlen mukaan yhdessä pilvi-TPU-sirussa on kaksi ydintä. Jokainen näistä ytimistä käyttää MXU:ita nopeuttamaan ohjelmia tiheiden matriisilaskutoimitusten avulla.
Arkkitehtuuri
CPU: Suorittimessa on kolme pääosaa, nimittäin CU, ALU ja rekisterit. Rekistereistä puhuttaessa CPU:ssa on 5 erityyppistä rekisteriä. Nämä rekisterit ovat: AccumulatorInstruction RegisterMemory Address RegisterMemory Data RegisterOhjelman laskuriGPU: Kuten yllä selitettiin, grafiikkasuorittimessa on useista sadaista useisiin tuhansiin ytimiä. Näissä ytimissä tehdään kaikki kuvankäsittelyyn ja kuvan renderöintiin tarvittavat laskelmat. GPU:n sisäisessä muistissa on arkkitehtonisesti laaja käyttöliittymä point-to-point-yhteydellä.TPU: TPU:t ovat Googlen suunnittelemia koneoppimiskiihdyttimiä. Koneoppimisen kiihdyttimillä on potentiaalia tehostaa koneoppimistehtäviä. TPU:n ytimet koostuvat MXU:sta ja VPU:sta, jotka pystyvät suorittamaan vastaavasti matriisi-ja liukulukulaskelmia.
Teho
CPU: Suorittimen käyttämä teho riippuu siinä olevien ytimien määrästä. Kahdeksanytiminen prosessori kuluttaa virtaa noin 95–140 wattia, kun taas 16-ytiminen prosessori kuluttaa noin 165 wattia.GPU: GPU voi kuluttaa jopa 350 wattia virtaa. TPU: TPU:ssa luku-ja kirjoitusprosessi suoritetaan puskurille ja muistille, minkä ansiosta voidaan saavuttaa tehon optimointi.
Lue: Mikä on System on a Chip ( SoC)?
Onko TPU vai GPU parempi?
Sekä TPU että GPU ovat prosessointiyksiköitä. Edellinen on Tensor Processing Unit ja jälkimmäinen Graphics Processing Unit. Molempien prosessorien työ on erilainen. Grafiikkaprosessorin osana GPU:n tehtävänä on tehdä kuvien hahmontamiseen tarvittavia laskelmia. TPU on suunniteltu käsittelemään neuroverkkokäsittelyä TensorFlow’n avulla.
Kumpi näistä kahdesta on parempi, riippuu sovelluksista, joihin niitä käytät. Pilvi-TPU:t on optimoitu tiettyjä työkuormia varten. Joissakin tilanteissa GPU:n tai CPU:n käyttö on parempi koneoppimiskuormien suorittamiseen. Katsotaan milloin voit käyttää TPU:ta ja GPU:ta.
GPU:n käyttö on TPU:ta parempi keskikokoisissa ja suurissa malleissa, joissa on suurempi tehollinen erä, TensorFlow-mallit eivät ole saatavilla Cloud TPU:ssa jne..
TPU:n käyttö on GPU:ta parempi matriisilaskelmia vaativissa malleissa, malleissa, joiden koulutus kestää viikoista kuukausiin, malleissa, joissa on suurempi tehollinen erä jne.
Onko TPU nopeampi kuin CPU?
TPU on tensorin käsittelyyksikkö. Google kehitti sen käsittelemään hermoverkkojen käsittelyä TensorFlow’n avulla. TPU:n suunnittelun tavoitteena on minimoida neuroverkkomallien kouluttamiseen tarvittava aika. Googlen mukaan hermoverkkomallien koulutus TPU-integroidulla laitteistolla kestää tunteja, kun taas sama voi kestää viikoista kuukausiin, kun se tehdään muilla laitteilla. Tästä syystä TPU on nopeampi kuin prosessori.
