Графический процессор (GPU)
Графический процессор (GPU или Graphics Processing Unit) — это один из видов микропроцессоров. Он управляет памятью видеокарт и ускоряет вывод графики на экран устройства.
Графические процессоры используются в видеокартах персональных компьютеров, ноутбуках, смартфонах, игровых консолях и суперкомпьютерах
Графический и центральный процессор
Графический процессор (GPU) — небольшой полупроводник на видеокарте. Внешне он похож на центральный процессор (CPU), но его архитектура отлична от архитектуры CPU:
- В GPU содержатся несколько сотен вычислительных ядер, с помощью которых сложные расчеты выполняются очень быстро. Энергии при таких вычислениях потребляется значительно меньше, чем при работе CPU.
- В GPU обработка графики в видеороликах, графических программах, играх выполняется быстрее и эффективнее благодаря разделению процессов. Это позволяет разгрузить CPU для других задач.
- GPU может взять на себя некоторые вычисления вместо процессора. Он позволяет выполнять расчеты с плавающей точкой или расчеты с одинаковой или сходной формулой.
- CPU разделяет потоки и выполняет сразу несколько процессов, когда пользователь работает с несколькими программами одновременно.
Как работает GPU
Графический процессор применяется в трудоемких алгебраических и геометрических расчетах, которые помогают спроецировать и визуализировать изображения на экран.
Некоторые GPU успешно применяются для обработки больших данных. Устройства для таких вычислений работают с узкоспециализированным программным обеспечением.
При работе GPU выделяется тепло. Чем больше операций выполняется, тем больше тепла выделяется. Чтобы устройство не перегревалось, оно охлаждается радиатором, который чаще всего располагается на самом микрочипе.
Для достижения максимального качества отображаемой картинки в GPU применяется:
- Полноэкранный режим выравнивания краев 3D-объектов.
- Анизотропная фильтрация. Она увеличивает четкость видео.
Графический ускоритель создает изображения. Для их хранения на устройстве используется видеопамять (VRAM). Она хранит информацию обо всех пикселях, их цвете и положении.
Часть VRAM служит для хранения кадров с завершенными изображениями и отображает их, когда поступает команда из GPU.
Видеопамять обрабатывает задачи с огромной скоростью и является двунаправленной – система считывает и записывает данные одновременно. Окончательное изображение на экран устройства по кабелю отправляет CPU.
Видеокарта или графический процессор?
GPU и видеокарта — это не одно устройство.
Видеокарта — это устройство, на котором расположены GPU, VRAM, питание, линия обмена информацией с CPU, видеовыходы.
Графический процессор — составляющая видеокарты. Он нужен для обработки графики, 3D-моделирования и работы с любыми другими данными, которые требуют сложных математических действий.
Графические процессоры разделяют на встроенные и дискретные. От типа GPU зависит стоимость и мощность устройства.
Интегрированный GPU
Интегрированный GPU — чип, который находится на плате с центральным процессором и функционирует самостоятельно. Такие графические процессоры называются iGPU.
Центральный и интегрированный графический процессоры работают на одной линии питания.
У iGPU нет кеша и своей оперативной памяти. При отрисовке графики iGPU занимают часть свободной оперативной памяти компьютера.
Интегрированные GPU менее производительные, потребляют мало электроэнергии и используются для производства недорогих устройств.
Дискретный GPU
Дискретный графический ускоритель находится отдельно от центрального процессора на видеокарте. Она подключается к материнской плате через специальный порт. Такую видеокарту можно отсоединить и заменить на другую, например с более мощным графическим процессором.
Дискретные GPU обеспечивают высокую производительность, но потребляют много электроэнергии. Устройства с такими ускорителями используются:
- для видеоигр с мощной графикой;
- в майнинге криптовалют;
- для создания суперкомпьютеров.
Применение графических ускорителей
Сегодня мощные GPU применяют в разных областях науки и техники, где требуются максимальные мощности компьютеров:
- обработка сложной графики, фото и видео материалов;
- медицинские и лабораторные исследования;
- задачи искусственного интеллекта (AI);
- работа с умными устройствами и IoT.
Обработка изображений
Графические процессоры ускоряют пакетную обработку изображений, например фотографий из космоса. По анализу таких снимков можно обучить нейронную сеть исследовать состояние лесов и природные катаклизмы.
Чтобы нейронная сеть могла правильно обработать фотографии из космоса, на них нужно нанести специальную разметку и убрать лишнее. Этот процесс требует огромных вычислительных затрат, которые и берет на себя GPU.
3D-визуализация
Визуальные эффекты, созданные на компьютере, в фильмах или играх выглядят все более реалистично. Такое возможно с помощью рендеринга — процесса визуализации.
Рендеринг преобразует готовое изображение трехмерной модели в плоский вариант. Преобразования выполняются с помощью специального программного обеспечения, которое требует огромных вычислительных мощностей графических процессоров.
Чтобы запускать игры с хорошей графикой на маломощных компьютерах, можно переносить нагрузки в Облако. Для подключения к Облаку применяют гипервизоры, которые также используют графические ускорители.
IoT в промышленности
На крупных промышленных предприятиях информацию о работе оборудования собирают и передают в обработку умные датчики.
Благодаря этой информации компании могут отслеживать работу оборудования, прогнозировать отказ, проводить плановые работы и оптимизировать производство. Чтобы данные быстро обрабатывались, используют устройства с мощными графическими процессорами.
Для решения задач в области интернета вещей создают цифровых двойников.
Цифровой двойник в производстве — это виртуальная копия станков или целых заводов. Система на основе умных датчиков строит трехмерную модель оборудования, а инженеры на компьютере видят, как работает определенный станок.
На анализ такой системы требуются огромные вычислительные мощности. Поэтому на предприятиях, на которых критически важно узнавать о поломках в режиме реального времени, для ускорения работы используют GPU.
Системы искусственного интеллекта
Графические процессоры применяют на всех этапах машинного обучения и работы с задачами искусственного интеллекта — от подготовки данных и тренировки моделей машинного обучения до промышленной эксплуатации.
Программы искусственного интеллекта проверяют медицинские снимки и распознают изменения. Медики анализируют снимки гораздо быстрее, а количество ошибок снижается.
На машинном обучении основана работа нейросетей. Они могут распознавать лица людей и объекты на фото и видео. Такие программы можно внедрять в разные учреждения, чтобы решить трудности с очередями.
Служащему нужно некоторое время для поиска документов посетителя. Чтобы сократить ожидания, посетителя снимает камера на входе в учреждение. Изображение передается с камеры в информационную систему. Нейросеть определяет личность и открывает карточку с нужной информацией заранее. В итоге посетители меньше ждут в очередях, а их лояльность возрастает.
Виртуальные вычисления в Yandex Cloud
Чтобы решать задачи искусственного интеллекта, обработки Big Data, задачи машинного обучения, визуализации, рендеринга, работы с виртуальными приложениями, не нужно приобретать графические процессоры, достаточно взять GPU напрокат у Yandex Compute Cloud. Срок аренды можно определить самостоятельно.
В Compute Cloud можно подключить необходимые графические ускорители, не нужно ждать поставок.
Для аренды графических ускорителей достаточно создать и настроить виртуальную машину с GPU. Дополнительно читайте в документе Создание виртуальной машины с GPU.
О ресурсной модели Yandex Cloud можно прочитать в разделе Иерархия ресурсов Yandex Cloud.
Чтобы начать работу с Yandex Cloud, обратитесь к разделу Начало работы.