0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

作为深度学习的代表,GPU是如何计算的?

颖脉Imgtec 2024-06-12 08:27 次阅读

当提到CPU(Central Processing Unit,中央处理器)时,就是机器的“大脑”,是计算机系统的核心部件,也是布局谋略、发号施令、控制行动的“总司令”。CPU的结构主要包括运算器(ALU, Arithmetic and Logic Unit)、控制单元(CU, Control Unit)、寄存器(Register)、高速缓存器(Cache)和它们之间通讯的数据、控制及状态的总线。简单来说,CPU就是处理所有运算的核心部件,也叫芯片所有的计算机中都有CPU,CPU不仅仅能计算数字,它还可以做很多逻辑运算。可以说,计算机能完成的所有事情,都是靠CPU协调计算机的其他部分来完成的。一些CPU还集成了图形处理器(GPU),以便在不需要独立GPU的情况下进行基本的图形处理任务。这种集成图形处理器(IGP)通常用于轻量级游戏、视频编辑和日常任务。如下图(内存条上有黑色的内存颗粒,它们是用来存储数据的,而绿色PCB板上密密麻麻的布线以及金黄色的引脚感觉科技感十足,其中引脚一般称为金手指。)971e7ca8-2852-11ef-bd4a-92fbcf53809c.png图片来自网络,侵删CPU使用二进制系统来进行数据处理和运算。在二进制系统中,数字由0和1表示,因此CPU需要能够理解和处理二进制数据。CPU 最重要的能力:计算,以加法为例。由于CPU只认知 0 和 1,也就是二进制,那么二进制的加法有哪些组合呢:

二进制组合

0 + 0,结果为0,进位为00 + 1,结果为1,进位为01 + 0,结果为1,进位为01 + 1,结果为0,进位为197512298-2852-11ef-bd4a-92fbcf53809c.jpg

其实CPU里面有一个关键的部件,叫做译码单元,这是CPU执行指令的基础。你输入一个二进制数,就像开关一样激活CPU里面若干个指定的模块以及改变这些模块的连同方式,最终得出结果。CPU还包括运算单元(ALU)、控制单元(CU)、寄存器(Registers)和总线(Bus)等。这些组件协同工作,确保CPU能够高效地执行各种指令。


工作原理

  • 提取(Fetch):CPU从主存储器(RAM)或高速缓冲存储器(Cache)中取出指令,并将其放入指令寄存器(IR)。
  • 解码(Decode):CPU对指令寄存器中的指令进行译码,确定需要执行的操作。
  • 执行(Execute):CPU根据解码后的指令,通过控制单元发出相应的控制信号,指挥运算单元(ALU)和其他功能部件(如寄存器)进行数据的运算和传输。
  • 写回(Writeback):运算单元将运算结果写回寄存器或主存储器中,完成指令的执行

976ca748-2852-11ef-bd4a-92fbcf53809c.png以上这个过程会不断重复,直到程序执行完成。因此,CPU的计算原理实质上是不断重复的指令执行过程,通过指令获取、解码、数据获取、运算、控制和数据存储等步骤,实现程序的执行和计算任务的完成。至于为什么CPU可以计算,这主要得益于其内部复杂的电路设计和处理能力。CPU是计算机的大脑,它接收并执行存储在内存中的指令,这些指令告诉CPU应该执行哪些操作。通过读取、解码和执行这些指令,CPU能够完成各种复杂的计算任务。同时,CPU还具备高速的数据处理能力,能够快速地处理大量的数据,并输出计算结果。我们今天的信息世界是由0和1定义的,毫无疑问,这种模式已经让我们走了很远。但是未来似乎拥有无限的可能性:发生改变的不仅仅是计算这个范畴,新技术将会推动一个崭新的创新时代,而我们才刚刚开始看到它的轮廓。本文来源:技术饭 - 小fan

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • cpu
    cpu
    +关注

    关注

    68

    文章

    10813

    浏览量

    210921
  • 存储数据
    +关注

    关注

    0

    文章

    85

    浏览量

    14086
  • 中央处理器
    +关注

    关注

    1

    文章

    124

    浏览量

    16492
  • 深度学习
    +关注

    关注

    73

    文章

    5473

    浏览量

    120918
收藏 人收藏

    评论

    相关推荐

    相比GPU和GPP,FPGA是深度学习的未来?

    相比GPU和GPP,FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗,FPGA将在一般的深度
    发表于 07-28 12:16 7469次阅读

    FPGA在深度学习应用中或将取代GPU

    上涨,因为事实表明,它们的 GPU 在训练和运行 深度学习模型 方面效果明显。实际上,英伟达也已经对自己的业务进行了转型,之前它是一家纯粹做 GPU 和游戏的公司,现在除了
    发表于 03-21 15:19

    深度学习框架TensorFlow&TensorFlow-GPU详解

    TensorFlow&TensorFlow-GPU深度学习框架TensorFlow&TensorFlow-GPU的简介、安装、使用方法详细攻略
    发表于 12-25 17:21

    深度学习推理和计算-通用AI核心

    摘要与深度学习算法的进步超越硬件的进步,你如何确保算法明天是一个很好的适合现有的人工智能芯片下发展?,这些人工智能芯片大多是为今天的人工智能算法算法进化,这些人工智能芯片的许多设计都可能成为甚至在
    发表于 11-01 09:28

    Mali GPU支持tensorflow或者caffe等深度学习模型吗

    Mali GPU 支持tensorflow或者caffe等深度学习模型吗? 好像caffe2go和tensorflow lit可以部署到ARM,但不知道是否支持在GPU运行?我希望把训
    发表于 09-16 14:13

    什么是深度学习?使用FPGA进行深度学习的好处?

    上述分类之外,还被用于多项任务(下面显示了四个示例)。在 FPGA 上进行深度学习的好处我们已经提到,许多服务和技术都使用深度学习,而 GPU
    发表于 02-17 16:56

    深度学习方案ASIC、FPGA、GPU比较 哪种更有潜力

    几乎所有深度学习的研究者都在使用GPU,但是对比深度学习硬鉴方案,ASIC、FPGA、GPU三种
    发表于 02-02 15:21 1w次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>方案ASIC、FPGA、<b class='flag-5'>GPU</b>比较 哪种更有潜力

    GPU和GPP相比谁才是深度学习的未来

    相比GPU和GPP,FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗,FPGA将在一般的深度
    发表于 10-18 15:48 1464次阅读

    GPU 引领的深度学习

    GPU 引领的深度学习
    的头像 发表于 01-04 11:17 690次阅读

    如何使用FPGA加速深度学习计算

    当今的深度学习应用如此广泛,它们能够为医疗保健、金融、交通、军事等各行各业提供支持,但是大规模的深度学习计算对于传统的中央处理器(CPU)和
    的头像 发表于 03-09 09:35 2424次阅读

    深度学习如何挑选GPU

    NVIDIA的标准库使在CUDA中建立第一个深度学习库变得非常容易。早期的优势加上NVIDIA强大的社区支持意味着如果使用NVIDIA GPU,则在出现问题时可以轻松得到支持。
    发表于 07-12 11:49 547次阅读
    <b class='flag-5'>深度</b><b class='flag-5'>学习</b>如何挑选<b class='flag-5'>GPU</b>?

    GPU的张量核心: 深度学习的秘密武器

    GPU最初是为图形渲染而设计的,但是由于其卓越的并行计算能力,它们很快被引入深度学习中。深度学习
    的头像 发表于 09-26 08:29 872次阅读
    <b class='flag-5'>GPU</b>的张量核心: <b class='flag-5'>深度</b><b class='flag-5'>学习</b>的秘密武器

    GPU深度学习中的应用与优势

    人工智能的飞速发展,深度学习作为其重要分支,正在推动着诸多领域的创新。在这个过程中,GPU扮演着不可或缺的角色。就像超级英雄电影中的主角一样,GPU
    的头像 发表于 12-06 08:27 1193次阅读
    <b class='flag-5'>GPU</b>在<b class='flag-5'>深度</b><b class='flag-5'>学习</b>中的应用与优势

    深度学习GPU加速效果如何

    图形处理器(GPU)凭借其强大的并行计算能力,成为加速深度学习任务的理想选择。
    的头像 发表于 10-17 10:07 139次阅读

    GPU深度学习应用案例

    GPU深度学习中的应用广泛且重要,以下是一些GPU深度学习应用案例: 一、图像识别 图像识别是
    的头像 发表于 10-27 11:13 302次阅读