关于我们

　显卡、GPU和CUDA之间有什么区别？

　　网络信息共享，真正造福人类，对世界的诠释，也总是造福我们这样一个世界鲜为人知的小白。 从某个大人物那里窃取信息，以便以后可以回顾。

　　什么是显卡？

　　显卡( Video  card、Graphics  card  )提供接口卡(即显示适配器)的完整视图，是计算机最基本的配置和最重要的附件之一。 正如电脑网络需要网卡一样，在屏幕上显示主机数据需要显卡。 因此，显卡是计算机进行数模信号转换的设备，承担输出显示图形的作用。 具体来说，就是在电脑主板上连接显卡，将电脑的数字信号转换为模拟信号显示在显示器上。

　　原始显卡通常集成在主板上，只提供最基本的信号输出，不需要处理数据。 随着显卡的飞速发展，GPU的概念应运而生，显卡也分为独立显卡和集成显卡(见附件1 )。

　　什么是GPU？

　　GPU这个概念是Nvidia公司在1999年提出的。 GPU是图形卡上的芯片，就像处理器是主板上的芯片一样。 那么到1999年为止，显卡上没有GPU吗？ 当然有。 只是，那个时候没有人命名。 另外，没有引起人们的充分重视，发展很慢。

　　自从Nvidia提出GPU这一概念后，GPU进入了快速发展时期。 简而言之，经过了以下几个阶段发展起来。

　　1、仅用于图形渲染。 由于该功能是GPU的初衷，因此从其名称可以看出，图形处理单元、图形处理单元

　　2、后来发现，GPU这样强大的设备只用于图形处理太浪费了，应该用于浮点运算等更多的工作。 我该怎么办？ 浮点运算不能直接交给GPU。 因为只能用于图形处理。 最容易想到的是，浮点运算需要做一些处理，包装在图形渲染任务中，交给GPU处理。 这就是通用处理器( GPU  )的概念。 但是，这样做有缺点。 我需要图形学的知识。 否则，我不知道包装方法。

　　3、因此，为了让没有图形学知识的人也能体验GPU运算的强度，Nvidia公司还提出了CUDA的概念。

　　什么是CUDA？

　　cuda  ( computeunifieddevicearchitecture  )是通用并行计算体系结构，是一个计算平台。 它包括CUDA指令集体系结构和GPU内部的并行计算引擎。 只需使用CUDA  C语言(如c语言)即可开发CUDA程序。 这样可以更容易地利用GPU的强大计算能力，而不是像以前那样打包为图形渲染任务，然后交给GPU处理。请注意，并非所有GPU都支持CUDA。

　　CPU和GPU的关系

　　在没有GPU之前，基本上所有的任务都交给了CPU。 有了GPU，两者分工，CPU负责逻辑性强的事务处理和串行计算，GPU专注于执行高度线程化的并行处理任务(大规模计算任务)。 为什么这么分工？ 这是由两者的硬件结构决定的。

　　可见，CPU是“主处理器”，GPU是“从处理器”，无论GPU增长多么快，它都只是分担工作而不是CPU。

　　独立显卡和集成显卡的区别

　　集成是主板内置显卡，不能随意更换。 独立显卡作为独立设备连接到主板上的AGP接口，可以随时更换和升级。

　　集成显卡使用物理内存，但专用显卡有自己的显卡内存。 一般来说，同期推出的专用显卡比集成显卡具有更好的性能和速度。

　　值得一提的是，集成显卡和专用显卡都配备了GPU。

　　Nvidia显卡分类

　　GeForce系列：家庭娱乐。 玩游戏必须；

　　Quadro系列：专业的平面设计。 频繁使用3ds  Max、Maya等软件需要视频渲染。

　　Tesla系列：用于大型并行计算的高端显卡。 土豪必备。

　　此外，目前流行的物理引擎PhysX并不是所有显卡都支持。 根据官方文档，支持GeForce  8和更高版本的显卡。

　　结束语：

　　CUDA知识是并行计算体系结构，相关概念包括OpenCL、OpenMP等。