今天，让 下面我们简单说说CPU和GPU的区别。
关于CPU的故事我们讲了很多，之前也发过很多关于CPU的文章，这里就重点讲一下GPU。
教授 vs 小学生
你可以把CPU简单理解为一个博学的教授，什么都精通；GPU则是一堆只会简单算术的小学生。
然而，无论教授有多厉害，他都可以 不要在一秒钟内计算500次加减法。所以对于简单重复的计算，单个教授比不上一大批小学生。500个小学生在简单的算术运算中就能轻松击败教授。
我们可以看到CPU和GPU最大的区别在于架构。CPU适用于广泛的应用场景，可以执行任意程序；另一方面，GPU是为多任务设计的，具有很强的并发性。
具体来说就是多核。一般CPU有2核、4核、8核等。而GPU可能有数百或数千个内核。
可以看出，CPU内部缓存和控制部分占据了很大一部分片上面积，所以计算单元所占比例很小。
点击1V1嵌入式学习计划，现送100G精选学习资料。嵌入式物联网开发学习咨询
接下来，让 让我们来看看GPU。GPU只有非常简单的控制单元，其余大部分被计算单元占用，所以CPU的核数有限，而GPU却轻松堆了上千个核。
只是CPU中每个核的能力像个教授，而GPU中每个核的能力像个小学生。
你可能会奇怪，为什么GPU需要这么奇怪的架构？
为什么GPU需要这么多核心？
想想电脑上的一张图片是怎么表现的？无非是屏幕上的一个像素：
我们需要对每个像素进行计算，而且是同样的操作，就像小学生一样 刚才例子中的计算加法。
请注意，对于一个屏幕，通常有数百万像素。如果要串行计算每个像素，效率太低。因此，我们可以让GPU中的每一个核心计算出对应的像素。因为GPU的核很多，并行计算可以大大提高速度。
现在你应该明白GPU为什么是这样工作的了吧！
除了GPU的核心数量多，GPU的工作模式也是千奇百怪。
奇怪的工作方式
对于CPU来说，不同的内核可以执行不同的机器指令。coreA可以在coreB上运行浏览器线程，同时运行word线程，称为MIMD。
GPU就不一样了。GPU上的这些核心必须统一运行相同的机器指令，但可以操作不同的数据。它 就像这些小学生在某些时候必须进行加法计算一样。区别在于有的小学生可能需要算1 ^ 1，有的小学生需要算2 ^ 6等等。唯一的变化在于操作数，这被称为SIMD。
所以我们可以看到GPU的工作模式和CPU完全不同。
除了这种工作方式，GPU的指令集非常简单，不像CPU这样复杂的处理器。如果你看看CPU的编程手册，你会发现CPU负责很多事情：中断处理、内存管理、IO等。
这些图形处理器不会 不存在。可见GPU的定位很简单，就是纯计算。GPU绝不是用来代替CPU的。CPU只是给它一些GPU很擅长的东西，GPU只是一个配角来分担CPU # 039的工作。
CPU和GPU是这样协同工作的：
GPU擅长什么
适合GPU的计算场景如下：1)简单计算；2)重复计算，所以如果你的计算场景和这里的图像渲染差不多，用GPU也是合理的。
所以图形图像计算，天气预报，神经网络都适合GPU。哦，对了，GPU也适合挖矿。
好吧，那 今天到此为止。希望这篇文章能帮助你了解GPU。
王者之心2点击试玩