क्यों हम अभी भी GPUs के बजाय CPU का उपयोग कर रहे हैं?

गैर-ग्राफिकल कार्यों जैसे जोखिम संगणना, द्रव गतिकी गणना और भूकंपीय विश्लेषण के लिए तेजी से जीपीयू का उपयोग किया जा रहा है। हमें GPU संचालित उपकरणों को अपनाने से रोकने के लिए क्या है?

आज का प्रश्न और उत्तर सत्र सुपरयूज़र के सौजन्य से आता है-स्टैक एक्सचेंज का एक उपखंड, क्यू एंड ए वेब साइटों की एक सामुदायिक-ड्राइव ग्रुपिंग।.

प्रश्न

सुपरयूजर रीडर एल तकनीकी खबरों के साथ रहता है और उत्सुक है कि हम अधिक जीपीयू-आधारित सिस्टम का उपयोग क्यों नहीं कर रहे हैं:

यह मुझे लगता है कि इन दिनों बहुत सारी गणनाएं GPU पर की जाती हैं। स्पष्ट रूप से ग्राफिक्स वहां किए जाते हैं, लेकिन CUDA और जैसे, AI, हैशिंग एल्गोरिदम (थिंक बिटकॉइन) और अन्य का उपयोग करके GPU पर भी किया जाता है। क्यों हम सिर्फ सीपीयू से छुटकारा नहीं पा सकते हैं और अपने दम पर जीपीयू का उपयोग कर सकते हैं? सीपीयू की तुलना में GPU क्या तेजी से बनाता है?

क्यों भला? क्या सीपीयू अद्वितीय बनाता है?

उत्तर

SuperUser योगदानकर्ता DragonLord जीपीयू और सीपीयू के बीच अंतर का एक अच्छी तरह से समर्थित अवलोकन प्रदान करता है:

TL; DR उत्तर: जीपीयू में सीपीयू की तुलना में अधिक प्रोसेसर कोर होते हैं, लेकिन क्योंकि प्रत्येक जीपीयू कोर सीपीयू कोर की तुलना में काफी धीमी गति से चलता है और आधुनिक ऑपरेटिंग सिस्टम के लिए आवश्यक सुविधाओं की जरूरत नहीं है, वे हर रोज कंप्यूटिंग में अधिकांश प्रसंस्करण करने के लिए उपयुक्त नहीं हैं। वे वीडियो-प्रोसेसिंग और भौतिकी सिमुलेशन जैसे गहन-गहन संचालन के लिए अनुकूल हैं.

विस्तृत जवाब: GPGPU अभी भी एक अपेक्षाकृत नई अवधारणा है। जीपीयू का इस्तेमाल शुरू में केवल ग्राफिक्स रेंडर करने के लिए किया गया था; प्रौद्योगिकी के रूप में उन्नत, सीपीयू के सापेक्ष जीपीयू में बड़ी संख्या में जीपीयू के लिए कम्प्यूटेशनल क्षमताओं को विकसित करके शोषण किया गया था ताकि वे एक साथ डेटा के कई समानांतर धाराओं को संसाधित कर सकें, चाहे वह डेटा कुछ भी हो। जबकि जीपीयू में सैकड़ों या हजारों स्ट्रीम प्रोसेसर हो सकते हैं, वे प्रत्येक सीपीयू कोर की तुलना में धीमी गति से चलते हैं और उनमें कम विशेषताएं होती हैं (भले ही वे पूर्ण हो और किसी भी प्रोग्राम को चलाने के लिए प्रोग्राम किया जा सकता है जो सीपीयू चला सकता है)। जीपीयू से गायब होने वाली सुविधाओं में इंटरप्ट और वर्चुअल मेमोरी शामिल हैं, जो एक आधुनिक ऑपरेटिंग सिस्टम को लागू करने के लिए आवश्यक हैं.

दूसरे शब्दों में, सीपीयू और जीपीयू में अलग-अलग आर्किटेक्चर हैं जो उन्हें अलग-अलग कार्यों के लिए बेहतर अनुकूल बनाते हैं। एक GPU कई धाराओं में बड़ी मात्रा में डेटा को संभाल सकता है, उन पर अपेक्षाकृत सरल संचालन कर सकता है, लेकिन डेटा की एक या कुछ धाराओं पर भारी या जटिल प्रसंस्करण के लिए बीमार है। एक सीपीयू प्रति-कोर आधार पर बहुत तेज है (प्रति सेकंड निर्देशों के संदर्भ में) और डेटा के एक या कुछ धाराओं पर जटिल ऑपरेशन कर सकता है, लेकिन कुशलतापूर्वक एक साथ कई धाराओं को संभाल नहीं सकता है।.

नतीजतन, GPUs उन कार्यों को संभालने के लिए अनुकूल नहीं हैं, जो कई सामान्य उपभोक्ता अनुप्रयोगों जैसे वर्ड प्रोसेसर सहित, से काफी लाभ नहीं उठा सकते हैं या उन्हें समानांतर नहीं किया जा सकता है। इसके अलावा, GPUs एक मौलिक अलग वास्तुकला का उपयोग करते हैं; जीपीयू को काम करने के लिए विशेष रूप से एक एप्लिकेशन को प्रोग्राम करना होगा, और जीपीयू को प्रोग्राम करने के लिए काफी अलग तकनीक की आवश्यकता होती है। इन विभिन्न तकनीकों में नई प्रोग्रामिंग भाषाएं, मौजूदा भाषाओं में संशोधन और नई प्रोग्रामिंग प्रतिमान शामिल हैं, जो कई स्ट्रीम प्रोसेसर द्वारा निष्पादित किए जाने वाले समानांतर ऑपरेशन के रूप में एक संगणना व्यक्त करने के लिए बेहतर अनुकूल हैं। GPU को प्रोग्राम करने के लिए आवश्यक तकनीकों के बारे में अधिक जानकारी के लिए, स्ट्रीम प्रोसेसिंग और समानांतर कंप्यूटिंग पर विकिपीडिया लेख देखें.

आधुनिक जीपीयू वेक्टर ऑपरेशन और फ्लोटिंग-पॉइंट अंकगणित करने में सक्षम हैं, जिसमें नवीनतम कार्ड डबल-सटीक फ़्लोटिंग-पॉइंट संख्याओं में हेरफेर करने में सक्षम हैं। CUDA और OpenCL जैसे फ्रेमवर्क प्रोग्रामों को GPU के लिए लिखे जाने में सक्षम बनाते हैं, और GPU की प्रकृति उन्हें उच्च समानांतर संचालन के लिए सबसे अनुकूल बनाती है, जैसे कि वैज्ञानिक कंप्यूटिंग में, जहां विशेष GPU कम्प्यूट कार्ड की एक श्रृंखला एक छोटे के लिए एक व्यवहार्य प्रतिस्थापन हो सकती है NVIDIA Tesla पर्सनल सुपर कंप्यूटर में क्लस्टर की गणना करें। आधुनिक जीपीयू के साथ जिन उपभोक्ताओं को फोल्डिंग @ होम के साथ अनुभव किया जाता है, वे उन्हें GPU ग्राहकों के साथ योगदान करने के लिए उपयोग कर सकते हैं, जो बहुत अधिक गति से प्रोटीन फोल्डिंग सिमुलेशन प्रदर्शन कर सकते हैं और परियोजना में अधिक काम कर सकते हैं (पहले अक्सर पूछे जाने वाले प्रश्नों को पढ़ना सुनिश्चित करें, विशेष रूप से संबंधित GPUs)। GPUs PhysX का उपयोग करके वीडियो गेम में बेहतर भौतिकी सिमुलेशन को सक्षम कर सकते हैं, वीडियो एन्कोडिंग और डिकोडिंग में तेजी ला सकते हैं, और अन्य कंप्यूट-गहन कार्य कर सकते हैं। यह इस प्रकार के कार्य हैं जो GPU प्रदर्शन के लिए सबसे अनुकूल हैं.

एएमडी एक प्रोसेसर डिजाइन का बीड़ा उठा रहा है जिसे एक्सेलेरेटेड प्रोसेसिंग यूनिट (एपीयू) कहा जाता है जो जीपीयू के साथ पारंपरिक x86 सीपीयू कोर को जोड़ती है। यह CPU और GPU घटकों को एक साथ काम करने और अलग-अलग घटकों के लिए सीमित स्थान के साथ सिस्टम पर प्रदर्शन में सुधार करने की अनुमति दे सकता है। जैसे-जैसे प्रौद्योगिकी आगे बढ़ रही है, हम एक बार अलग-अलग हिस्सों के अभिसरण की बढ़ती डिग्री देखेंगे। हालांकि, पीसी ऑपरेटिंग सिस्टम और एप्लिकेशन द्वारा निष्पादित कई कार्य अभी भी सीपीयू के लिए बेहतर हैं, और एक जीपीयू का उपयोग करके प्रोग्राम को गति देने के लिए बहुत काम की आवश्यकता होती है। चूंकि बहुत मौजूदा सॉफ्टवेयर x86 आर्किटेक्चर का उपयोग करते हैं, और क्योंकि जीपीयू को विभिन्न प्रोग्रामिंग तकनीकों की आवश्यकता होती है और ऑपरेटिंग सिस्टम के लिए आवश्यक कई महत्वपूर्ण विशेषताओं को याद कर रहे हैं, सीपीयू से GPU के लिए हर रोज कंप्यूटिंग के लिए एक सामान्य संक्रमण बेहद मुश्किल है।.

स्पष्टीकरण में कुछ जोड़ना है? टिप्पणियों में ध्वनि बंद। अन्य टेक-सेवी स्टैक एक्सचेंज उपयोगकर्ताओं से अधिक उत्तर पढ़ना चाहते हैं? पूरी चर्चा धागा यहाँ देखें.