Cada vez más, las GPU se utilizan para tareas no gráficas como cálculos de riesgo, cálculos de dinámica de fluidos y análisis sísmico. ¿Qué nos impide adoptar dispositivos con GPU?
La sesión de preguntas y respuestas de hoy nos llega por cortesía de SuperUser, una subdivisión de Stack Exchange, un grupo de sitios web de preguntas y respuestas impulsado por la comunidad.
La pregunta
El lector de superusuario Ell se mantiene al día con las novedades tecnológicas y siente curiosidad por saber por qué no usamos más sistemas basados en GPU:
Me parece que en estos días se hacen muchos cálculos en la GPU. Obviamente, los gráficos se hacen allí, pero el uso de CUDA y similares, IA, algoritmos hash (piense en Bitcoins) y otros también se realizan en la GPU. ¿Por qué no podemos simplemente deshacernos de la CPU y usar la GPU por sí sola? ¿Qué hace que la GPU sea mucho más rápida que la CPU?
¿Por qué de hecho? ¿Qué hace que la CPU sea única?
La respuesta
El colaborador de superusuario DragonLord ofrece una descripción general bien respaldada de las diferencias entre las GPU y las CPU:
TL; respuesta DR: Las GPU tienen muchos más núcleos de procesador que las CPU, pero debido a que cada núcleo de GPU se ejecuta significativamente más lento que un núcleo de CPU y no tiene las características necesarias para los sistemas operativos modernos, no son apropiadas para realizar la mayor parte del procesamiento en la informática diaria. Son más adecuados para operaciones de computación intensiva, como procesamiento de video y simulaciones físicas.
La respuesta detallada: GPGPU sigue siendo un concepto relativamente nuevo. Las GPU se utilizaron inicialmente solo para renderizar gráficos; A medida que avanzaba la tecnología, la gran cantidad de núcleos en las GPU en relación con las CPU se explotó mediante el desarrollo de capacidades computacionales para las GPU de modo que puedan procesar muchos flujos paralelos de datos simultáneamente, sin importar cuáles sean esos datos. Si bien las GPU pueden tener cientos o incluso miles de procesadores de flujo, cada uno de ellos se ejecuta más lento que un núcleo de CPU y tiene menos funciones (incluso si son Turing completo y se puede programar para ejecutar cualquier programa que pueda ejecutar una CPU). Las características que faltan en las GPU incluyen interrupciones y memoria virtual, que son necesarias para implementar un sistema operativo moderno.
En otras palabras, las CPU y GPU tienen arquitecturas significativamente diferentes que las hacen más adecuadas para diferentes tareas. Una GPU puede manejar grandes cantidades de datos en muchos flujos, realizando operaciones relativamente simples en ellos, pero no es adecuada para un procesamiento pesado o complejo en un solo flujo de datos o en pocos. Una CPU es mucho más rápida por núcleo (en términos de instrucciones por segundo) y puede realizar operaciones complejas en una o pocas secuencias de datos con mayor facilidad, pero no puede manejar de manera eficiente muchas secuencias simultáneamente.
Como resultado, las GPU no son adecuadas para manejar tareas que no se benefician significativamente o no se pueden paralelizar, incluidas muchas aplicaciones de consumo comunes como procesadores de texto. Además, las GPU utilizan una arquitectura fundamentalmente diferente; uno tendría que programar una aplicación específicamente para una GPU para que funcione, y se requieren técnicas significativamente diferentes para programar GPU. Estas diferentes técnicas incluyen nuevos lenguajes de programación, modificaciones a los lenguajes existentes y nuevos paradigmas de programación que se adaptan mejor a la expresión de un cálculo como una operación paralela a realizar por muchos procesadores de flujo. Para obtener más información sobre las técnicas necesarias para programar GPU, consulte los artículos de Wikipedia sobre procesamiento de flujo y computación paralela .
Las GPU modernas son capaces de realizar operaciones vectoriales y aritmética de punto flotante, con las últimas tarjetas capaces de manipular números de punto flotante de doble precisión. Los marcos como CUDA y OpenCL permiten que se escriban programas para GPU, y la naturaleza de las GPU los hace más adecuados para operaciones altamente paralelizables, como en la informática científica, donde una serie de tarjetas de cómputo GPU especializadas pueden ser un reemplazo viable para una pequeña calcular clúster como en Supercomputadoras personales NVIDIA Tesla . Los consumidores con GPU modernas que tengan experiencia con Folding @ home pueden usarlas para contribuir con Clientes de GPU , que puede realizar simulaciones de plegamiento de proteínas a velocidades muy altas y contribuir con más trabajo al proyecto (asegúrese de leer el Preguntas frecuentes primero, especialmente los relacionados con las GPU). Las GPU también pueden permitir una mejor simulación de física en videojuegos usando PhysX, acelerar la codificación y decodificación de video y realizar otras tareas de computación intensiva. Son este tipo de tareas las que las GPU son más adecuadas para realizar.
AMD es pionero en un diseño de procesador llamado Unidad de procesamiento acelerado (APU) que combina núcleos de CPU x86 convencionales con GPU. Esto podría permitir que los componentes de la CPU y la GPU funcionen juntos y mejoren el rendimiento en sistemas con espacio limitado para componentes separados. A medida que la tecnología continúe avanzando, veremos un grado cada vez mayor de convergencia de estas partes que alguna vez estuvieron separadas. Sin embargo, muchas de las tareas realizadas por los sistemas operativos y las aplicaciones de PC siguen siendo más adecuadas para las CPU, y se necesita mucho trabajo para acelerar un programa utilizando una GPU. Dado que gran parte del software existente utiliza la arquitectura x86, y debido a que las GPU requieren diferentes técnicas de programación y les faltan varias características importantes necesarias para los sistemas operativos, una transición general de CPU a GPU para la informática diaria es extremadamente difícil.
¿Tiene algo que agregar a la explicación? Habla en los comentarios. ¿Quieres leer más respuestas de otros usuarios de Stack Exchange expertos en tecnología? Consulte el hilo de discusión completo aquí .
