微云网络分析：cpu与gpu的区别

CPU(中央处理单位)和GPU协同工作，增加应用程序中的数据吞吐量和并发计算量。GPU最初的设计是为计算机图形和视频游戏机创建图像，但自2010年初以来，GPU也可用于加速涉及海量数据的计算。

CPU永远无法被GPU完全取代：GPU主程序继续在允许应用程序中重复计算并行运行CPU补充上操作CPU架构。CPU可视为整个系统的任务主管，协调范围广的一般计算任务 GPU 执行范围较小的更专业的任务(通常是数学)。与CPU相比，GPU 在同一时间内，可以使用并行的强大功能来完成更多的工作。

CPU和GPU架构之间的主要区别在于：

1、CPU旨在快速处理各种任务(以CPU时钟速度测量)，但可操作任务的并发性有限，GPU 同时快速渲染高分辨率图像和视频。

2、由于GPU多组数据可以并行据，因此也常用于机器学习、科学计算等非图形任务。GPU设计有数千个同时运行的处理器内核，可实现大规模并行处理，每个内核都专注于高效计算。

由于大规模并行性，GPU 处理数据的速度比CPU但是 GPU通用性不如CPU。CPU 这是一个庞大而广泛的指令集，可以管理计算机的每个输入和输出GPU无法做到。在服务器环境中，可能有24到48个非常快CPU内核。向同一个服务器添加4到8个GPU可提供多达4万个额外核心。虽然单个CPU内核比单个GPU内核更快(以CPU时钟速度测量)和更智能(用指令集测量)，但是GPU核心的绝对数量和它们提供的大量并行性不仅仅是核心时钟速度差异和有限的指令集。

3、GPU最适合重复和高度平行的计算任务。除视频渲染外，GPU 在机器学习、金融模拟、风险建模等多种科学计算方面也表现出色。尽管在过去的几年里，GPU 但是 GPU 现场可编程网格阵列通常不再大规模使用 (FPGA) 等待专用硬件，然后是专用集成电路 (ASIC)。

以上就是cpu与gpu的区别。