|
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(gè)人電腦,、工作站、游戲機(jī)和一些移動(dòng)設(shè)備（如平板電腦,、智能手機(jī)等）上圖像運(yùn)算工作的微處理器,。
用途是將計(jì)算機(jī)系統(tǒng)所需要的顯示信息進(jìn)行轉(zhuǎn)換驅(qū)動(dòng)，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(gè)人電腦主板的重要元件，也是“人機(jī)對話”的重要設(shè)備之一,。顯卡作為電腦主機(jī)里的一個(gè)重要組成部分,，承擔(dān)輸出顯示圖形的任務(wù)，對于從事專業(yè)圖形設(shè)計(jì)的人來說顯卡非常重要,。
在九十年代,，一批工程師意識到：在屏幕上進(jìn)行多邊形圖像渲染，本質(zhì)上是個(gè)能并行處理的任務(wù)--每個(gè)像素點(diǎn)的色彩可以獨(dú)立計(jì)算,，不需要考慮其它像素點(diǎn),。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(dān)這部分工作，此后就成了專門搞這方面的硬件,。有了上千個(gè)更加簡單的核心,，GPU能高效地處理讓CPU十分吃力的任務(wù)。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(xué)運(yùn)算,，實(shí)現(xiàn)逼真的游戲體驗(yàn)。
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(shí)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(shí)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(shí)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(shí)首先提出GPU的概念。從此NV顯卡的芯就用這個(gè)新名字GPU來稱呼,。GPU使顯卡削減了對CPU的依賴,，并實(shí)行部分原本CPU的工作，更加是在3D圖形處理時(shí),。
GPU能將3D模型的信息轉(zhuǎn)換為2D表示,，同時(shí)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(shí)候流水線操作是固定不能作任何改動(dòng)的,，整個(gè)操作由讀取三角形的頂點(diǎn)數(shù)據(jù)開始,，接著GPU處理完后進(jìn)入幀緩沖區(qū)（framebuffer），準(zhǔn)備發(fā)送給顯示器,。GPU也能對場景進(jìn)行某些特定效果的處理,，不過這些都是由工程師設(shè)計(jì)固定好的，能提供的選項(xiàng)很少,。 GPU設(shè)計(jì)之初非針對深度學(xué)習(xí)而是并行計(jì)算
GPU關(guān)鍵性能是并行計(jì)算,。這意味著可以同時(shí)處理運(yùn)算，而不是一步步進(jìn)行,。復(fù)雜問題可被分解為更簡單的問題,，然后同時(shí)進(jìn)行處理。并行計(jì)算適用于HPC和超算領(lǐng)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(xué)家和氣象學(xué)家才能充分利用并行計(jì)算的優(yōu)點(diǎn),。事實(shí)證明,，許多企業(yè)應(yīng)用能從并行計(jì)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(xué)領(lǐng)域的暴力搜索,、對比不同獨(dú)立場景的計(jì)算機(jī)模擬、機(jī)器學(xué)習(xí)/深度學(xué)習(xí),、地理可視化
在GPU設(shè)計(jì)之初,，并非針對深度學(xué)習(xí)，而是圖形加速,，在NVIDIA推出CUDA架構(gòu)之前,，GPU并無太強(qiáng)對深度學(xué)習(xí)運(yùn)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(xùn)練到前端推理應(yīng)用的全套深度學(xué)習(xí)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(jìn)行深度學(xué)習(xí)開發(fā)，或者高性能運(yùn)算,。而CUDA架構(gòu)的開發(fā),，耗費(fèi)了NVIDIA巨大的人力物力?？梢哉f,，是CUDA這個(gè)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(jì)算硬件與算法之間的橋梁,。
目前來看,，NVIDIA作為人工智能計(jì)算平臺的領(lǐng)導(dǎo)者，但事實(shí)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(jìn)而成就了NVIDIA,。在2012年,，Alex利用深度學(xué)習(xí)+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(xué)習(xí)生態(tài)系統(tǒng)，并加速迭代開發(fā),，三年時(shí)間將GPU性能提升了65倍,，從而奠定了目前的王者之位。 AI時(shí)代 GPU將是數(shù)據(jù)爆炸時(shí)代的核心處理模塊
對于人工智能計(jì)算架構(gòu)來說,，一般可以歸結(jié)為三類模式：CPU + GPU,，CPU + FPGA，CPU + ASIC（專用集成電路）,。其中,，應(yīng)用于圖形、圖像處理領(lǐng)域的GPU 可以并行處理大量數(shù)據(jù),，非常適合深度學(xué)習(xí)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(jì)算架構(gòu),。
如果把科技產(chǎn)業(yè)劃分為三個(gè)時(shí)代：PC 時(shí)代,、移動(dòng)互聯(lián)網(wǎng)時(shí)代和AI 時(shí)代。目前,，我們處于移動(dòng)互聯(lián)網(wǎng)時(shí)代的末期和下一個(gè)時(shí)代的早期,，即以深度學(xué)習(xí)、無人駕駛為主的AI 時(shí)代,。
政務(wù)大數(shù)據(jù)基因系統(tǒng)是按照國家,、行業(yè)和地方標(biāo)準(zhǔn)，通過政務(wù)數(shù)據(jù)元,、元數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)模板化實(shí)現(xiàn)數(shù)據(jù)規(guī)范編輯,、智能管理、關(guān)聯(lián)應(yīng)用和共享開放,，以提升全域或行業(yè)的數(shù)據(jù)資源活化和管理能級,。它是實(shí)現(xiàn)數(shù)據(jù)跨系統(tǒng)共享交換、創(chuàng)新應(yīng)用的底層邏輯和關(guān)鍵規(guī)則體系,，是解決（大）數(shù)據(jù)混雜,、提升數(shù)據(jù)質(zhì)量、促進(jìn)數(shù)據(jù)創(chuàng)新應(yīng)用的前提,，也是集成信息資源目錄體系,、交換體系和開放體系三合一的管理平臺，為優(yōu)化政務(wù)數(shù)據(jù)體系,、探索數(shù)據(jù)關(guān)系,、驅(qū)動(dòng)數(shù)據(jù)服務(wù)奠定基礎(chǔ)。是城市和行業(yè)數(shù)據(jù)中心的必備管理工具,，實(shí)現(xiàn)從管網(wǎng)絡(luò),、系統(tǒng)到管用數(shù)據(jù)的躍遷,。 來自：安防行業(yè)網(wǎng)
【回復(fù)：2016BG可下載《2016中國智慧城市發(fā)展水平評估報(bào)告》】
|
