圖形處理器(英語：GraphicsProcessingUnit,，縮寫：GPU)，又稱顯示核心,、視覺處理器,、顯示芯片，是一種專門在個人電腦,、工作站,、游戲機和一些移動設備(如平板電腦、智能手機等)上圖像運算工作的微處理器,。

用途是將計算機系統(tǒng)所需要的顯示信息進行轉(zhuǎn)換驅(qū)動,，并向顯示器提供行掃描信號，控制顯示器的正確顯示,，是連接顯示器和個人電腦主板的重要元件,，也是“人機對話”的重要設備之一。顯卡作為電腦主機里的一個重要組成部分,，承擔輸出顯示圖形的任務,，對于從事專業(yè)圖形設計的人來說顯卡非常重要。

GPU是為了能夠更快處理圖像而誕生

在九十年代,，一批工程師意識到：在屏幕上進行多邊形圖像渲染,，本質(zhì)上是個能并行處理的任務--每個像素點的色彩可以獨立計算，不需要考慮其它像素點,。于是GPU誕生,，成為比CPU更高效的渲染工具。簡而言之，由于CPU在圖像渲染方面的能力不足,，GPU被發(fā)明出來分擔這部分工作,，此后就成了專門搞這方面的硬件。有了上千個更加簡單的核心,，GPU能高效地處理讓CPU十分吃力的任務,。只要有合適的代碼配合，這些核心就能處理超大規(guī)模的數(shù)學運算,，實現(xiàn)逼真的游戲體驗,。

GPU作為顯示卡的“大腦”決定了該顯卡的檔次和大部分性能，同時GPU也是2D顯示卡和3D顯示卡的區(qū)別依據(jù),。2D顯示芯片在處理3D圖像與特效時主要依賴CPU的處理能力,，稱為軟加速。3D顯示芯片是把三維圖像和特效處理功能集中在顯示芯片內(nèi),，也就是所謂的“硬件加速”功能,。顯示芯片一般是顯示卡上最大的芯片。時下市場上的顯卡大多采用NVIDIA和AMD-ATI兩家公司的圖形處理芯片,。NVIDIA公司在1999年發(fā)布GeForce256圖形處理芯片時首先提出GPU的概念,。從此NV顯卡的芯就用這個新名字GPU來稱呼。GPU使顯卡削減了對CPU的依賴,，并實行部分原本CPU的工作,，更加是在3D圖形處理時。

GPU能將3D模型的信息轉(zhuǎn)換為2D表示,，同時添加不同的紋理和陰影效果，所以GPU在硬件里也是比較特殊的存在,。從3D建模到最終顯示在屏幕上,，GPU渲染場景使用的是流水線操作。早些時候流水線操作是固定不能作任何改動的,，整個操作由讀取三角形的頂點數(shù)據(jù)開始,，接著GPU處理完后進入幀緩沖區(qū)(framebuffer)，準備發(fā)送給顯示器,。GPU也能對場景進行某些特定效果的處理,，不過這些都是由工程師設計固定好的，能提供的選項很少,。

GPU設計之初非針對深度學習而是并行計算

GPU關鍵性能是并行計算,。這意味著可以同時處理運算，而不是一步步進行,。復雜問題可被分解為更簡單的問題,，然后同時進行處理。并行計算適用于HPC和超算領域所涉及的許多問題類型,，比如氣象,、宇宙模型和DNA序列,。并不是只有天體物理學家和氣象學家才能充分利用并行計算的優(yōu)點。事實證明,，許多企業(yè)應用能從并行計算獲得超出尋常比例的好處,。這包括：數(shù)據(jù)庫查詢、密碼學領域的暴力搜索,、對比不同獨立場景的計算機模擬,、機器學習/深度學習、地理可視化

在GPU設計之初,，并非針對深度學習,，而是圖形加速，在NVIDIA推出CUDA架構之前,，GPU并無太強對深度學習運算能力的支持,。而如今，NVIDIA可以提供基于其GPU的從后端模型訓練到前端推理應用的全套深度學習解決方案,，一般的開發(fā)人員都可以非常容易地上手使用GPU進行深度學習開發(fā),，或者高性能運算。而CUDA架構的開發(fā),，耗費了NVIDIA巨大的人力物力,。可以說,，是CUDA這個中間層(computingframework)的優(yōu)化,，才使得開發(fā)者真正愛上了GPU，NVIDIA勝在軟件,。而CUDA還不能稱之為算法,，它只是計算硬件與算法之間的橋梁。

目前來看,，NVIDIA作為人工智能計算平臺的領導者,，但事實是，一開始并非NVIDIA選擇了人工智能,，而是人工智能的研究者選擇了GPU,，進而成就了NVIDIA。在2012年,，Alex利用深度學習+GPU的方案,，一舉贏得ImageNetLSVRC-2010圖像識別大賽，并奇跡般地將識別成功率從74%提升到85%,。NVIDIA敏銳地覺察到了這一趨勢,，并大力優(yōu)化基于GPU的深度學習生態(tài)系統(tǒng)，并加速迭代開發(fā)，三年時間將GPU性能提升了65倍,，從而奠定了目前的王者之位,。

AI時代 GPU將是數(shù)據(jù)爆炸時代的核心處理模塊

對于人工智能計算架構來說，一般可以歸結為三類模式：CPU + GPU,，CPU + FPGA,，CPU + ASIC(專用集成電路)。其中,，應用于圖形,、圖像處理領域的GPU 可以并行處理大量數(shù)據(jù)，非常適合深度學習的高并行,、高本地化數(shù)據(jù)場景,，是目前主流的人工智能計算架構。

如果把科技產(chǎn)業(yè)劃分為三個時代：PC 時代,、移動互聯(lián)網(wǎng)時代和AI 時代,。目前，我們處于移動互聯(lián)網(wǎng)時代的末期和下一個時代的早期,，即以深度學習,、無人駕駛為主的AI 時代。

來源：環(huán)境監(jiān)控系統(tǒng) 機房動力環(huán)境監(jiān)控系統(tǒng) http://rupm.cn/solution/  本文采集于網(wǎng)絡,，如有問題有聯(lián)系刪除