Innholdsfortegnelse:
- Definisjon - Hva betyr GPU-akselerert databehandling?
- Techopedia forklarer GPU-akselerert databehandling
Definisjon - Hva betyr GPU-akselerert databehandling?
GPU-akselerert databehandling er ansettelse av en grafisk prosesseringsenhet (GPU) sammen med en datamaskinbehandlingsenhet (CPU) for å lette prosesseringsintensive operasjoner som dyp læring, analyse og tekniske applikasjoner. GPU ble utviklet av NVIDIA i 2007 og gir langt overlegen applikasjonsytelse ved å fjerne behandlingsintensive applikasjonsseksjoner til GPU. GPU-akselerert datamaskinutvikling vokser i popularitet på grunn av det store mangfoldet av applikasjoner det kan brukes i, for eksempel kunstig intelligens, droner, roboter eller autonome biler.
Techopedia forklarer GPU-akselerert databehandling
GPU hjelper deg med å gi overlegen ytelse for programvare. Fra brukerens perspektiv gjør GPU-akselerert databehandling applikasjoner raskere. GPU-akselererte databehandlingsfunksjoner ved å flytte de datamaskinintensive delene av applikasjonene til GPU mens resterende seksjoner har lov til å utføre i CPU. Mens CPU består av kjerner designet for sekvensiell seriell prosessering, er GPU designet med en parallell arkitektur som består av mer effektive, men mindre kjerner som enkelt kan håndtere flere oppgaver parallelt. Som et resultat, i GPU-akselerert databehandling, mens sekvensielle beregninger utføres i CPU, beregnes svært kompliserte beregninger parallelt i GPU. Et annet viktig trekk ved GPU-akselerert databehandling er støtten som tilbys alle parallelle programmeringsmodeller, og hjelper dermed applikasjonsdesignere og utviklere med å gi overlegen applikasjonsytelse.
GPU-akselerert databehandling har blitt mye brukt i videoredigering, medisinsk bildediagnostikk, væskesimuleringer, fargeklassifisering og bedriftsapplikasjoner, og bruken er lovende innen komplekse felt som kunstig intelligens og dyp læring.
