Mtafiti wa Ujerumani juu ya matumizi Kompyuta ya GPU katika fizikia ya uchumi na takwimu, ikiwa ni pamoja na kuchambua taarifa kwenye soko la hisa. Tunawasilisha kwa mawazo yako pointi kuu za nyenzo hii.

Kumbuka: Nakala kwenye gazeti ni ya 2011, tangu wakati huo mifano mpya ya vifaa vya GPU imeonekana, hata hivyo, mbinu za jumla za kutumia zana hii katika miundombinu ya biashara ya mtandaoni zimebakia bila kubadilika.

Mahitaji ya nguvu ya kompyuta yanaongezeka katika maeneo mbalimbali. Mmoja wao ni uchambuzi wa kifedha, ambao ni muhimu kwa biashara yenye mafanikio katika soko la hisa, hasa kwa fedha za HFT. Ili kufanya uamuzi wa kununua au kuuza hisa, algoriti lazima ichanganue kiasi kikubwa cha data ya ingizo - taarifa kuhusu miamala na vigezo vyake, nukuu za sasa na mitindo ya bei, n.k.

Muda ambao utapita kutoka kwa kuunda agizo la kununua au kuuza hadi kupokea jibu kuhusu kukamilika kwake kwa mafanikio kutoka kwa seva ya kubadilishana inaitwa safari ya kwenda na kurudi (RTT). Washiriki wa soko wanafanya kazi nzuri ya kupunguza wakati huu, hasa, kwa hili wanatumia teknolojia kwa upatikanaji wa moja kwa moja wa kubadilishana, na seva zilizo na programu ya biashara ziko kwenye kituo cha kupangilia karibu na injini ya biashara ya kubadilishana.

Hata hivyo, uwezekano wa kiteknolojia wa kupunguza kurudi na kurudi ni mdogo, na baada ya kuchoka, wafanyabiashara wanakabiliwa na swali la jinsi gani wanaweza kuongeza kasi. shughuli za biashara. Ili kufanikisha hili, mbinu mpya za kujenga miundombinu kwa biashara ya mtandaoni zinatumika. Hasa, FPGA na GPU hutumiwa. Tuliandika mapema juu ya kuharakisha biashara ya HFT kwa kutumia vifaa vinavyoweza kupangwa, leo tutazungumza juu ya jinsi GPU zinaweza kutumika kwa hili.

GPU ni nini

Usanifu wa kadi za kisasa za michoro ni msingi wa safu inayoweza kuongezeka ya utiririshaji wa vichakataji vingi. Multiprocessor moja kama hiyo ina scalar nane cores ya processor, moduli ya maelekezo yenye nyuzi nyingi, kumbukumbu iliyoshirikiwa iliyoko kwenye chip (kwenye-chip).

Wakati programu ya C inayotumia viendelezi vya CUDA inapopigia simu kerneli ya GPU, nakala za punje hiyo, au nyuzi, huwekwa nambari na kusambazwa kwa vichakataji vingi vinavyopatikana, ambapo utekelezaji wake huanza. Kwa hesabu hii na usambazaji, mtandao wa msingi umegawanywa katika vitalu, ambayo kila mmoja imegawanywa katika nyuzi tofauti. Threads katika vitalu vile kutekeleza wakati huo huo juu ya multiprocessors inapatikana. Ili kudhibiti idadi kubwa ya nyuzi, moduli ya SIMT (maelekezo moja-nyuzi nyingi) hutumiwa. Moduli hii inaziweka katika "pakiti" za nyuzi 32. Vikundi kama hivyo vinatekelezwa kwenye multiprocessor sawa.

Uchambuzi wa data ya kifedha kwenye GPU

Uchambuzi wa kifedha hutumia hatua nyingi na viashiria, hesabu ambayo inahitaji nguvu kubwa ya kompyuta. Hapo chini tutaorodhesha baadhi yao na kulinganisha kasi ya usindikaji iliyoonyeshwa na processor "ya kawaida". Intel Core 2 Quad CPU (Q6700) yenye mzunguko wa saa 2.66 GHz na ukubwa wa cache wa kilobytes 4096, pamoja na kadi za graphics maarufu.

Hurst exponent

Kipimo kiitwacho Hurst exponential kinatumika katika uchanganuzi wa mfululizo wa saa. Thamani hii hupungua ikiwa kuchelewa kati ya jozi mbili zinazofanana za thamani katika mfululizo wa saa huongezeka. Dhana hiyo hapo awali ilitumika katika elimu ya maji kuamua ukubwa wa bwawa kwenye Mto Nile katika hali ya mvua isiyotabirika na ukame.

Baadaye, kielelezo cha Hurst kilianza kutumika katika uchumi, haswa katika uchambuzi wa kiufundi kutabiri mwenendo wa harakati za mfululizo wa bei. Ifuatayo ni ulinganisho wa kasi ya kukokotoa kipeo cha Hurst kwenye CPU na GPU (kiashirio cha kuongeza kasi β = jumla ya muda wa kukokotoa kwenye CPU / jumla ya muda wa kukokotoa kwenye GeForce 8800 GT GPU):

Mfano wa Ising na njia ya Monte Carlo

Chombo kingine ambacho kilihamia kwenye uwanja wa fedha, wakati huu kutoka kwa fizikia, ni mfano wa Ising. Mtindo huu wa hisabati wa fizikia ya takwimu umeundwa kuelezea usumaku wa nyenzo.

Kila kipeo cha kimiani cha fuwele (sio tu-tatu-dimensional, lakini pia tofauti-dimensional moja na mbili huzingatiwa) huhusishwa na nambari inayoitwa spin na sawa na +1 au -1 ("shamba juu"/"shamba chini" ) Kila moja ya 2^N chaguzi zinazowezekana Mpangilio wa mizunguko (ambapo N ni idadi ya atomi za kimiani) hupewa nishati inayotokana na mwingiliano wa jozi wa mizunguko ya atomi za jirani. Ifuatayo, kwa joto fulani, usambazaji wa Gibbs unazingatiwa - tabia yake inazingatiwa idadi kubwa N atomi.

Katika baadhi ya mifano (kwa mfano, na vipimo> 1), mpito wa awamu ya pili huzingatiwa. Joto ambalo mali ya sumaku ya nyenzo hupotea inaitwa muhimu (Curie point). Katika ukaribu wake, idadi ya sifa za thermodynamic hutofautiana.

Hapo awali, mfano wa Ising ulitumiwa kuelewa asili ya ferromagnetism, lakini baadaye ilienea zaidi. Hasa, hutumiwa kufanya jumla katika mifumo ya kijamii na kiuchumi. Kwa mfano, jumla ya mfano wa Ising huamua mwingiliano wa washiriki wa soko la kifedha. Kila mmoja wao ana mkakati wa tabia, busara ambayo inaweza kuwa mdogo. Maamuzi kuhusu kuuza au kununua hisa na kwa bei gani hutegemea maamuzi ya awali ya mtu na matokeo yake, na pia juu ya matendo ya washiriki wengine wa soko.

Mfano wa Ising hutumiwa kuiga mwingiliano kati ya washiriki wa soko. Ili kutekeleza mfano wa Ising na simulation modeling Njia ya Monte Carlo hutumiwa, ambayo inakuwezesha kujenga mfano wa hisabati kwa mradi na maadili yasiyobainishwa vigezo.

Ifuatayo ni ulinganisho wa utendaji wa simulizi kwenye CPU na GPU ( NVIDIA GeForce GTX 280):

Kuna utekelezaji wa mfano wa Ising unaotumia wakati wa uchanganuzi kiasi mbalimbali inazunguka Utekelezaji wa spin nyingi hukuruhusu kupakia spins kadhaa kwa sambamba.

Kuongeza kasi kwa kutumia GPU nyingi

Ili kuharakisha usindikaji wa data, makundi ya vifaa vya GPU pia hutumiwa - katika kesi hii, watafiti walikusanya kundi la kadi mbili za Tesla C1060 GPU, mawasiliano kati ya ambayo yalifanywa kupitia Double Data Rate InfiniBand.

Kwa upande wa uigaji wa Monte Carlo wa modeli ya Ising, matokeo yanaonyesha kuwa utendakazi huongezeka kwa karibu kadiri GPU zaidi zinaongezwa.

Hitimisho

Majaribio yanaonyesha kuwa kutumia GPU kunaweza kusababisha maboresho makubwa ya utendakazi uchambuzi wa kifedha. Wakati huo huo, faida ya kasi ikilinganishwa na kutumia usanifu wa CPU inaweza kufikia makumi kadhaa ya nyakati. Wakati huo huo, unaweza kufikia ongezeko kubwa zaidi la utendaji kwa kuunda makundi ya GPU - katika kesi hii, inakua karibu linearly.

Umeamua kununua kompyuta. Tembea kando ya njia za ununuzi, angalia vitambulisho vya bei, ujue na sifa. Na swali linatokea: GPU ni nini? Mara nyingi unaona mchanganyiko huu wa herufi, lakini huoni maana. Hebu jaribu kueleza.

GPU - ni nini na ni tofauti gani na CPU?

GPU inasimama kwa "kitengo cha usindikaji wa michoro", au GPU. Ni kifaa tofauti kwa koni ya mchezo, kompyuta au kamera. Inawajibika kwa utoaji wa picha na kuitekeleza. GPU inakabiliana na kazi hii vizuri, kwa sababu ya usanifu wa bomba iliyoundwa mahsusi kwa madhumuni haya. GPU za kisasa huchakata michoro bora zaidi kuliko vitengo vyao vya usindikaji wa kati (CPUs).

Hivi sasa, GPU inatumika kama kichapuzi cha picha za 3D, lakini katika hali za kipekee inaweza kutumika kwa kompyuta. Tofauti kati ya GPU na CPU ni kama ifuatavyo.

• usanifu: inalenga kwa kiwango cha juu kwa kasi ya juu ya hesabu ya tata vitu vya picha na textures;
• seti ya amri ya chini.

Nguvu kubwa ya kompyuta inaelezewa kwa usahihi na sifa za usanifu. Pamoja na CPU za kisasa zilizo na cores kadhaa (2/4/8, ambayo tayari ilikuwa inachukuliwa kuwa mafanikio), GPU ilitengenezwa awali kama muundo wa msingi-nyingi. Idadi ya cores hapa iko katika mamia!

Tofauti katika usanifu pia inaelezea tofauti katika kanuni ya uendeshaji. Ikiwa usanifu wa CPU umeundwa kwa ajili ya kuchakata data mfuatano, basi GPU iliundwa awali kufanya kazi na michoro ya kompyuta, na kwa hivyo imeundwa kwa ajili ya hesabu kubwa lakini sambamba.

Kila moja ya usanifu huu ina faida zake. CPU ni bora zaidi katika kazi zinazofuatana. Kwa idadi kubwa ya habari iliyochakatwa, GPU ina faida. Hali kuu ni kwamba kazi lazima kudumisha usawa.

Sasa unajua mengi kuhusu GPU, GPU ni nini, na unaweza hata kuwaambia marafiki zako.

CPU na GPU zinafanana sana; zote zimeundwa kwa mamia ya mamilioni ya transistors na zinaweza kuchakata maelfu ya operesheni kwa sekunde. Lakini ni jinsi gani hizi mbili ni tofauti? vipengele muhimu kompyuta yoyote ya nyumbani?

Katika makala hii tutajaribu kueleza kwa njia rahisi sana na inayoweza kupatikana ni tofauti gani kati ya CPU na GPU. Lakini kwanza tunahitaji kuangalia wasindikaji hawa wawili tofauti.

CPU (Kitengo cha Usindikaji Kati au Kitengo cha Usindikaji Kati) mara nyingi huitwa "ubongo" wa kompyuta. Ndani ya processor ya kati kuna transistors karibu milioni, kwa msaada ambao mahesabu mbalimbali hufanywa. Kompyuta za nyumbani kwa kawaida huwa na vichakataji ambavyo vina cores 1 hadi 4 na kasi ya saa ya takriban 1 GHz hadi 4 GHz.

Kichakataji kina nguvu kwa sababu kinaweza kufanya kila kitu. Kompyuta ina uwezo wa kufanya kazi kwa sababu processor ina uwezo wa kufanya kazi hiyo. Watayarishaji programu wameweza kufikia shukrani hii kwa seti pana za maagizo na orodha kubwa za kazi zilizoshirikiwa katika vitengo vya kisasa vya usindikaji.

GPU ni nini?

GPU (Kitengo cha Uchakataji wa Michoro au Kitengo cha Uchakataji wa Michoro) ni aina maalum ya kichakataji kidogo kilichoboreshwa kwa onyesho maalum la kompyuta na michoro. GPU huendeshwa kwa kasi ya chini ya saa kuliko CPU, lakini ina viini vingi zaidi vya uchakataji.

Unaweza pia kusema kwamba GPU ni CPU maalum iliyoundwa kwa kusudi moja mahususi - uwasilishaji wa video. Wakati wa uwasilishaji, GPU hufanya hesabu rahisi za hisabati mara nyingi. GPU ina maelfu ya cores ambazo zitatumika kwa wakati mmoja. Ingawa kila msingi wa GPU ni wa polepole kuliko msingi wa CPU, bado ni bora zaidi kwa kufanya kazi rahisi. mahesabu ya hisabati muhimu kuonyesha michoro. Usambamba huu mkubwa ndio unaoifanya GPU kuwa na uwezo wa kutoa michoro changamano ya 3D inayohitajika na michezo ya kisasa.

Tofauti kati ya CPU na GPU

GPU inaweza kufanya sehemu ndogo tu ya mambo ambayo CPU inaweza kufanya, lakini inafanya kwa kasi ya ajabu. GPU itatumia mamia ya cores kufanya hesabu za haraka kwenye maelfu ya pikseli huku ikitoa michoro changamano ya 3D. Lakini kufikia kasi ya juu GPU lazima itekeleze utendakazi wa hali ya juu.

Hebu tuchukue kwa mfano Nvidia GTX 1080. Kadi hii ya video ina viini 2560 vya shader. Shukrani kwa cores hizi, Nvidia GTX 1080 inaweza kutekeleza maagizo 2,560 au shughuli katika mzunguko wa saa moja. Ikiwa ungependa kufanya picha 1% ing'ae zaidi, GPU inaweza kuishughulikia bila ugumu sana. Lakini kichakataji cha kati cha Intel Core i5 cha quad-core kinaweza tu kutekeleza maagizo 4 katika mzunguko wa saa moja.

Walakini, CPU zinaweza kunyumbulika zaidi kuliko GPU. Vitengo vya usindikaji vya kati vina seti kubwa ya maagizo ili waweze kufanya kazi zaidi mbalimbali kazi. Pia CPU zinafanya kazi kwa kiwango cha juu zaidi kasi ya saa na kuwa na uwezo wa kudhibiti pembejeo na matokeo ya vipengele vya kompyuta. Kwa mfano, kitengo cha usindikaji cha kati kinaweza kuunganishwa na kumbukumbu halisi, ambayo ni muhimu kuzindua kisasa mfumo wa uendeshaji. Hivi ndivyo GPU haiwezi kufanya.

Kompyuta ya GPU

Ingawa GPU zimeundwa kwa ajili ya kutoa, zina uwezo wa kufanya zaidi. Uchakataji wa michoro ni aina tu ya ukokotoaji unaojirudia rudia. Kazi zingine kama vile Bitcoin madini na uvunjaji wa nenosiri hutegemea aina sawa za seti kubwa za data na hesabu rahisi za hisabati. Hii ndiyo sababu watumiaji wengine hutumia kadi za video kwa shughuli zisizo za graphical. Hali hii inaitwa GPU Computation au GPU computing.

hitimisho

Katika makala hii tulilinganisha CPU na GPU. Nadhani imekuwa wazi kwa kila mtu kuwa GPU na CPU zina malengo sawa, lakini zimeboreshwa kwa hesabu tofauti. Andika maoni yako katika maoni, nitajaribu kujibu.

Chip kuu imewashwa ubao wa mama- hii ni kichakataji cha kati (CPU - Kitengo cha Kichakataji cha Kati). Kati kwa sababu inadhibiti mifumo mingine yote midogo kwa kutumia mfumo wa basi na chipset.

Mfumo mdogo unaodhibiti taswira na uonyeshaji wa habari kwenye skrini unaitwa mfumo wa video. Imeunganishwa kwenye ubao wa mama kwa njia ya slot kwa namna ya kadi ya video. Kadi ya video ni suluhisho la uhandisi na ni bodi yenye processor yake (hivyo GPU) na RAM.

GPU NVidia Nv45 kwenye kadi ya video

Kichakataji kwenye kadi ya video kinaitwa GPU (Kitengo cha Kichakataji cha Picha) ili kusisitiza:

1. Kichakataji hiki ni nini?
2. Kwamba sio katikati, yaani, chini ya CPU.
3. Kwamba ni kulenga usindikaji data maalum - graphics.

Mahali pa GPU kwenye ubao mama

Kwa kuwa usindikaji wa michoro ni utaalam katika usindikaji wa data, GPU ni CPU maalum. Kimantiki, utaalam unaonyeshwa kwa kujitenga kwa GPU kutoka kwa CPU, kimwili - kwa ukweli kwamba GPU imeundwa tofauti.

CPU ina cores kadhaa, GPU - maelfu

Utekelezaji huu wa kimwili wa GPU unathibitishwa na hitaji la kuchakata maelfu kazi sambamba, inayohusiana na utoaji. Kichakataji cha kati kinazingatia usindikaji wa data - kazi ndefu na zinazofuatana.

CPU ya kisasa (CPU) inaweza kujumuisha kitengo cha kuchakata michoro.

Kichakataji cha Quad-core na ziada msingi wa michoro GPU

Suluhisho hili huruhusu kompyuta kufanya bila kadi ya video kutokana na GPU iliyojengwa kwenye kichakataji cha kati. Hii inapunguza matumizi ya nishati kwa 30 hadi 180%. Gharama ya processor huongezeka kwa si zaidi ya 20%.

Hasara kuu ya utekelezaji huu ni utendaji wa chini. Suluhisho hili linafaa kwa kompyuta za ofisi, ambapo wanafanya kazi na nyaraka na hifadhidata, lakini za kisasa mchezo wa kompyuta Hutaweza kuiendesha, Photoshop itapunguza kasi, na AutoCAD inaweza kufungia.

Jinsi ya kujua GPU kwenye kompyuta

Kwa mtumiaji, GPU inahusishwa sana na kadi ya video, ingawa ni processor tu. Jua ipi adapta ya michoro imewekwa kwenye kompyuta ni muhimu katika kesi tatu:

• wakati wa kufunga au kusasisha madereva;
• wakati wa kutathmini kompyuta kwa kufuata Mahitaji ya Mfumo programu;
• kujionyesha kwa marafiki.

Ikiwa madereva yote yamewekwa kwenye kompyuta yako, njia ya haraka zaidi ni kuangalia kwenye meneja wa kifaa, katika sehemu ya adapta za video:

Tazama GPU katika Kidhibiti cha Kifaa

Ikiwa madereva hayajasakinishwa, meneja wa kifaa ataonyesha tu ujumbe kuhusu vifaa visivyojulikana:

GPU katika Kidhibiti cha Kifaa ikiwa viendeshaji havipo

Katika kesi hii, pakua Programu ya CPU-Z, endesha na uende kwenye kichupo cha "Michoro" (Michoro katika toleo la Kiingereza):

Tazama GPU ndani Programu ya CPU-Z

helpadmins.ru

GPU ni nini kwenye kompyuta?

Hamjambo nyote, GPU ni muundo wa kadi ya video, au kwa usahihi zaidi, kichakataji michoro. Neno hili, vizuri, yaani, kifupi mara nyingi kinaweza kupatikana katika sifa fulani, kwa mfano, katika sifa Kichakataji cha Intel Kuna kitu kama GPU Iliyojumuishwa, ambayo inamaanisha kadi ya video iliyojengwa ndani. Kweli, hiyo ni kweli, imejengwa ndani, chipu ya video iko kwenye kichakataji, hii sio habari, kama ilivyokuwa.

Hiyo ni, tayari tumetoa hitimisho kwamba GPU ni kifaa cha video. Lakini ni nini kingine muhimu kuelewa? Niliandika kwamba GPU inapatikana katika sifa, kila kitu ni sahihi, lakini kwa kuongeza hii inaweza pia kupatikana katika programu zinazoonyesha hali ya joto. Nadhani unajua mipango hiyo .. Naam, au hujui, kwa kifupi, kwa hali yoyote, kile nitachoandika sasa kitakuwa na manufaa kwako kujua. Maana tunazungumzia kuhusu joto la GPU. Watu wengi wanadai kuwa kamera ya video inaweza kufanya kazi kwa digrii 80, lakini ninatangaza kuwa hii ni joto la juu sana! Na kwa ujumla, nadhani kuwa juu ya 70 sio kawaida!

Kwa njia, GPU inasimama kwa Kitengo cha Usindikaji wa Graphics

Na hii ndio chip yenyewe ya picha, ambayo ni, GPU, kwa hivyo niliielekeza kwenye ubao na mishale:

Lakini ni joto gani la kawaida basi? Hadi digrii 60, vizuri, kiwango cha juu cha 66, vizuri, digrii 70 tayari ni dari ... Lakini juu ya hayo, nadhani hii sio nzuri sana, ni kwamba joto kama hilo hakika halitaongeza maisha ya huduma. , unakubaliana nami? Naam, kuna zaidi hatua ya kuvutia, kwa kifupi, ikiwa kadi ya video inapata moto kabisa, basi damn pia inatupa joto lake ndani ya kesi hiyo, vizuri, ni wazi haitakuwa baridi ndani yake, na kisha mchakato utakuwa moto, kwa kifupi, furaha! Kumbuka kwamba ni TEMPERATURE ambayo inaweza kupunguza maisha ya kifaa! Hapa kwenye ubao wa mama wa zamani kutoka joto la juu kulipuka capacitors electrolytic.. Ikiwa huniamini, basi unaweza kujitafuta kwenye mtandao..

Kweli, niambie, kila kitu kilikuwa wazi kwako? Kwa uaminifu, natumai hivyo! Kweli, ikiwa kuna kitu kibaya, samahani!

Nyumbani! kadi ya video 05/17/2017

virtmachine.ru

GPU inamaanisha nini?

GPU (Kitengo cha Uchakataji wa Michoro)

GPU (kitengo cha uchakataji wa michoro) ni kifaa cha teknolojia ya juu kinachohusika na usindikaji wa picha kwenye kompyuta, kompyuta za mkononi, na simu za mkononi. GPU za kisasa zina usanifu maalum wa bomba, na kuzifanya kuwa bora sana katika usindikaji habari za picha ikilinganishwa na processor ya kawaida ya kati. Inaweza kutumika kama sehemu ya kadi ya video tofauti, na katika suluhisho zilizojumuishwa (zilizojengwa ndani daraja la kaskazini au kwenye kichakata mseto).

Tofauti kuu kati ya GPU na CPU:

1. Usanifu (msisitizo wa juu juu ya usindikaji maumbo ya picha)
2. Seti ndogo ya timu za watendaji

Kasi ya juu na nguvu Wasindikaji wa GPU kwa wakati huu inaelezewa na upekee wa usanifu wa ujenzi. Ikiwa CPU za kisasa zinajumuisha cores 2-6, basi GPU inachukuliwa kuwa muundo wa msingi mwingi ambao hutumia hadi mamia ya cores kwa wakati mmoja. CPU inachukua usindikaji wa habari kwa mpangilio, na GPU imeundwa kwa nyuzi nyingi kazi sambamba na habari nyingi.

windows-gadjet.ru

GPU ni nini na ni ya nini?

Kichakataji michoro au kwa Kiingereza GPU - Kitengo cha Kuchakata Graphics - ni kifaa ambacho ni microcircuit, chip ambayo ni sehemu ya adapta ya video (kadi ya video) au ubao mama.

GPU ina jukumu la kuunda (kutoa) picha.

Kwa ufupi, jukumu na umuhimu wa GPU unaweza kuelezewa kama ifuatavyo:

GPU hupokea kutoka kwa kitengo cha usindikaji cha kati (CPU) data ya uchakataji inayohitajika ili kuunda picha, kisha kuichakata na kuitayarisha kwa shughuli zaidi, na hivyo kuharakisha sana mchakato wa kuunda picha na kupunguza mzigo kwenye kichakataji cha kati.

GPU ni sehemu ya hiari; kazi yake inaweza kufanywa na ile kuu.

Tofauti na processor ya kati, processor ya picha, kwa sababu ya tofauti za usanifu (muundo, kifaa), ina uwezo wa kusindika makumi, mamia, maelfu ya mara haraka. aina fulani shughuli, kwa mfano, kuchakata data ili kuunda picha na zaidi.

GPU inaweza kuwa tofauti, yaani, sehemu ya kadi ya video iliyofanywa kwa namna ya kadi ya upanuzi (kifaa) kilichowekwa kwenye slot ya upanuzi wa ubao wa mama. Katika kesi hii, vipengele vyote vya ziada viko kwenye bodi moja ya mzunguko iliyochapishwa, ambayo inaweza kuondolewa kwa urahisi au kubadilishwa wakati wowote.

Au imeunganishwa, sehemu ya ubao wa mama wa kifaa yenyewe.Katika kesi hii, processor ya graphics iko kwenye ubao wa mama, vipengele vyote vya ziada viko karibu. Inatumika katika kompyuta za kibinafsi, simu mahiri, consoles za mchezo Nakadhalika.

19-06-2017, 20:38 Maelezo ya kina

www.detaillook.com

NVIDIA GPU na kulinganisha GPU na CPU

Kompyuta ya wingu ilibadilisha kwa kiasi kikubwa tasnia zote, kuweka vituo vya data vya kidemokrasia na kubadilisha kabisa jinsi biashara zinavyofanya kazi. Vipengee muhimu zaidi vya kampuni sasa vimehifadhiwa katika wingu la mtoa huduma uliyemchagua. Hata hivyo, kwa dondoo faida kubwa kutoka kwa data inayopatikana, suluhisho la kompyuta la utendaji wa juu linahitajika.

Programu ya NVIDIA Kujifunza kwa Kina imeundwa kutoa utendaji wa juu kwenye GPU zenye kasi zaidi duniani na inajumuisha mifumo ya kujifunza kwa kina, maktaba, viendeshaji na Mfumo wa Uendeshaji. Programu hii iliyounganishwa inaendeshwa kwenye mifumo mbalimbali ya kompyuta, kuanzia kadi za picha za TITAN X na GeForce GTX 1080Ti hadi mifumo ya DGX na wingu, na inapatikana 24/7.

Kompyuta ya wingu ya GPU inapatikana pia inapohitajika kwenye majukwaa yote makubwa ya wingu.

JINSI MAOMBI HUPATA KUONGEZA KASI YA GPU

GPU hushughulikia sehemu za programu ambazo zinahitaji mengi nguvu ya kompyuta, huku programu nyingine ikiendeshwa kwenye CPU. Kwa mtazamo wa mtumiaji, programu tumizi inaendesha haraka zaidi.

Njia rahisi ya kuelewa tofauti kati ya GPU na CPU ni kulinganisha jinsi wanavyofanya kazi. CPU ina cores kadhaa zilizoboreshwa usindikaji wa mfululizo data, ilhali GPU ina maelfu ya viini vidogo, vinavyotumia nguvu zaidi vilivyoundwa kushughulikia kazi nyingi kwa wakati mmoja.

GPU ina maelfu ya cores kwa usindikaji wa ufanisi kazi sambamba

Tazama video hapa chini ili kulinganisha GPU na CPU

Video: "MythBusters Showcase Power of GPU vs CPU Computing" (01:34)

Zaidi ya programu 400, ikiwa ni pamoja na 9 kati ya programu 10 bora za HPC, tayari zimeharakishwa kwenye GPU, hivyo kuruhusu watumiaji wote wa GPU kufikia maboresho makubwa ya utendaji wa mizigo yao ya kazi. Angalia orodha yetu ya programu ili kuona ikiwa programu unayofanya kazi nayo imeongezwa kasi ya GPU (PDF 1.9 MB).

Kuna njia tatu kuu za kuongeza kasi ya GPU kwenye programu yako:

• Tumia maktaba zilizoboreshwa na GPU
• Ongeza maagizo au "vidokezo" kwa mkusanyaji ili kusawazisha nambari yako kiotomatiki
• Tumia viendelezi vya lugha za programu unazojua tayari, kama vile C na Fortran

Kujifunza jinsi ya kutumia GPU na muundo wa programu sambamba wa CUDA ni rahisi sana.

Madarasa ya mtandaoni ya bure na rasilimali za wasanidi programu zinapatikana kwenye Ukanda wa CUDA.

Kitengo cha usindikaji wa michoro (GPU) - mfano wa kuangaza jinsi teknolojia iliyoundwa kwa ajili ya kazi za uchakataji wa michoro imeenea kwa uga usiohusiana wa kompyuta ya utendaji wa juu. GPU za kisasa ndio kiini cha miradi mingi changamano ya kujifunza mashine na uchanganuzi wa data. Katika makala yetu ya ukaguzi, tutaangalia jinsi wateja wa Selectel wanavyotumia maunzi ya GPU na kufikiria kuhusu mustakabali wa sayansi ya data na vifaa vya kompyuta vilivyo na kitivo kutoka Shule ya Yandex ya Sayansi ya Data.

GPU zimebadilika sana katika miaka kumi iliyopita. Mbali na ongezeko kubwa la tija, kulikuwa na mgawanyiko wa vifaa kwa aina ya matumizi. Kwa hivyo, kadi za video za mifumo ya michezo ya kubahatisha ya nyumbani na usakinishaji wa ukweli halisi zimetengwa kwa mwelekeo tofauti. Vifaa vyenye nguvu, vilivyobobea sana vinaonekana: kwa mifumo ya seva, moja ya vichapuzi vinavyoongoza ni NVIDIA Tesla P100, iliyoundwa mahsusi. matumizi ya viwandani katika vituo vya data. Mbali na GPUs, utafiti unaendelea kikamilifu katika uwanja wa kuunda aina mpya ya kichakataji kinachoiga utendakazi wa ubongo. Mfano ni jukwaa la Chip-moja la Kirin 970 lenye kichakataji chake cha neuromorphic kwa kazi zinazohusiana na mitandao ya neva na utambuzi wa picha.

Hali hii inatufanya tufikirie maswali yafuatayo:

• Kwa nini uwanja wa uchanganuzi wa data na ujifunzaji wa mashine umekuwa maarufu sana?
• Jinsi GPU Zilikuja Kutawala Soko la Vifaa vya Kompyuta kazi kubwa na data?
• Je, ni utafiti gani katika uchanganuzi wa data utakaoleta matumaini zaidi katika siku za usoni?

Hebu jaribu kukabiliana na masuala haya kwa utaratibu, kuanzia na wasindikaji wa kwanza wa video rahisi na kuishia na vifaa vya kisasa vya juu vya utendaji.

Enzi ya GPU

Kwanza, hebu tukumbuke GPU ni nini. Kitengo cha Usindikaji wa Michoro ni kitengo cha usindikaji wa michoro kinachotumika sana kwenye eneo-kazi na mifumo ya seva. Kipengele tofauti cha kifaa hiki ni kuzingatia kwake kompyuta sambamba sana. Tofauti na GPU, usanifu wa moduli nyingine ya kompyuta, CPU (Kitengo cha Kichakataji cha Kati), imeundwa kwa usindikaji wa data mfululizo. Ikiwa idadi ya cores katika CPU ya kawaida inapimwa kwa makumi, basi katika GPU wanahesabu maelfu, ambayo inaweka vikwazo kwa aina za amri zinazotekelezwa, lakini hutoa utendaji wa juu wa kompyuta katika kazi zinazohusisha usawa.

Hatua za kwanza

Uendelezaji wa wasindikaji wa video katika hatua za mwanzo ulihusiana kwa karibu na hitaji la kuongezeka kwa tofauti kifaa cha kompyuta kwa usindikaji mbili na Michoro ya 3D. Kabla ya ujio wa mizunguko tofauti ya kidhibiti cha video katika miaka ya 70, pato la picha lilifanywa kupitia matumizi ya mantiki tofauti, ambayo iliathiri kuongezeka kwa matumizi ya nguvu na. saizi kubwa bodi za mzunguko zilizochapishwa. Microcircuits maalum ilifanya iwezekanavyo kutenganisha maendeleo ya vifaa vilivyoundwa kufanya kazi na graphics katika mwelekeo tofauti.

Tukio lililofuata la mapinduzi lilikuwa kuibuka kwa darasa jipya la ngumu zaidi na vifaa vya multifunctional- wasindikaji wa video. Mnamo 1996, 3dfx Interactive ilitoa chipset ya Voodoo Graphics, ambayo ilichukua haraka 85% ya soko la kujitolea la video na ikawa kiongozi katika graphics za 3D wakati huo. Baada ya mfululizo maamuzi mabaya usimamizi wa kampuni, ambayo ni pamoja na ununuzi wa mtengenezaji wa kadi ya video STB, 3dfx ilipoteza uongozi wake kwa NVIDIA na ATI (baadaye AMD), na mwaka 2002 ilitangaza kufilisika.

Jumla ya Kompyuta ya GPU

Mnamo 2006, NVIDIA ilitangaza safu ya bidhaa ya GeForce 8, ambayo ilileta darasa jipya la vifaa vilivyoundwa kwa kitengo cha usindikaji wa picha za jumla (GPGPU). Wakati Maendeleo ya NVIDIA alikuja kuelewa kwamba idadi kubwa zaidi Misingi inayoendesha kwa masafa ya chini ni bora zaidi kwa mzigo wa kazi sambamba kuliko idadi ndogo ya cores zinazofanya kazi zaidi. Vichakataji video vya kizazi kipya vimetoa usaidizi wa kompyuta sambamba sio tu kwa usindikaji wa mitiririko ya video, lakini pia kwa matatizo yanayohusiana na kujifunza kwa mashine, aljebra ya mstari, takwimu na matatizo mengine ya kisayansi au ya kibiashara.

Kiongozi anayetambulika

Tofauti katika mgawo wa awali wa kazi kwa CPU na GPU ulisababisha tofauti kubwa katika usanifu wa vifaa - mzunguko wa juu dhidi ya msingi mbalimbali. Kwa GPU, hii iliunda uwezo wa kompyuta ambao sasa unatekelezwa kikamilifu. Vichakataji vya video vilivyo na idadi ya kuvutia ya cores dhaifu za usindikaji hufanya kazi bora ya kompyuta sambamba. Kichakataji cha kati, kilichoundwa kihistoria kushughulikia kazi zinazofuatana, kinasalia kuwa bora zaidi katika uwanja wake.

Kwa mfano, hebu tulinganishe maadili ya utendaji wa kichakataji cha kati na cha picha wakati wa kufanya kazi ya kawaida katika mitandao ya neural - kuzidisha kwa matrix. utaratibu wa juu. Tutachagua vifaa vifuatavyo vya majaribio:

• CPU. Intel Xeon E5-2680 v4 - nyuzi 28 na HyperThreading, 2.4 GHZ;
• GPU NVIDIA GTX 1080 – 2560 CUDA Cores, 1607 Mhz, 8GB GDDR5X.

Wacha tutumie mfano wa kuhesabu kuzidisha matrix kwenye CPU na GPU kwenye Jupyter Notebook:

Katika msimbo ulio hapo juu, tunapima muda uliotumika kukokotoa hesabu za mpangilio sawa kwenye CPU au GPU (“Muda wa Utekelezaji”). Data inaweza kuwasilishwa kwa namna ya grafu ambayo mhimili mlalo unaonyesha mpangilio wa matrices yaliyozidishwa, na mhimili wima unaonyesha muda wa utekelezaji kwa sekunde:

Mstari wa grafu ulioangaziwa katika chungwa unaonyesha muda unaochukua ili kuunda data katika RAM ya kawaida, kuihamisha hadi kwenye kumbukumbu ya GPU, na mahesabu yanayofuata. Mstari wa kijani unaonyesha wakati inachukua kuhesabu data ambayo tayari imetolewa kwenye kumbukumbu ya kadi ya video (bila kuhamisha kutoka RAM). Bluu huonyesha muda wa kuhesabu umewashwa processor ya kati. Matrices ya mpangilio chini ya vipengele 1000 huzidishwa kwenye GPU na CPU karibu kwa wakati mmoja. Tofauti ya utendakazi inaonekana wazi kwa kutumia matrices kubwa kuliko 2000 kufikia 2000, wakati muda wa kukokotoa kwenye CPU unaruka hadi sekunde 1, huku GPU ikisalia karibu na sifuri.

Ngumu zaidi na matatizo ya vitendo hutatuliwa kwa ufanisi zaidi kwenye kifaa kilicho na GPU kuliko bila wao. Kwa kuwa matatizo ambayo wateja wetu hutatua kwenye maunzi ya GPU ni tofauti sana, tuliamua kujua kesi za matumizi maarufu zaidi ni zipi.

Nani katika Selectel anaishi vyema na GPU?

Chaguo la kwanza ambalo huja akilini mara moja na kuwa nadhani sahihi ni uchimbaji madini, lakini inafurahisha kumbuka kuwa wengine huitumia kama njia ya ziada ya kupakia vifaa kwa "kiwango cha juu". Katika kesi ya kukodisha seva iliyojitolea na kadi za video, muda usio na mzigo wa kazi hutumiwa kuchimba fedha za siri ambazo hazihitaji usakinishaji maalum (mashamba) ili kuzipata.

Kwa kuwa tayari imekuwa ya kawaida kwa kiasi fulani, kazi zinazohusiana na usindikaji wa picha na uwasilishaji mara kwa mara hupata nafasi yao kwenye seva za Selectel zilizo na vichapuzi vya michoro. Kutumia vifaa vya juu vya utendaji kwa kazi hizo inakuwezesha kupata suluhisho la ufanisi zaidi kuliko kuandaa vituo vya kazi vilivyojitolea na kadi za video.

Wakati wa mazungumzo na wateja wetu, tulikutana pia na wawakilishi wa Shule ya Uchambuzi wa Data ya Yandex, ambayo hutumia uwezo wa Selectel kuandaa mazingira ya kujifunzia ya majaribio. Tuliamua kupata maelezo zaidi kuhusu kile ambacho wanafunzi na walimu wanafanya, ni maeneo gani ya kujifunza kwa mashine ni maarufu sasa, na mustakabali wa sekta hii pindi tu wataalamu wachanga watakapojiunga na safu ya mashirika yanayoongoza au kuzindua kampuni zao za kuanzia.

Sayansi ya Data

Labda hakuna mtu kati ya wasomaji wetu ambaye hajasikia maneno ". mitandao ya neva" au "kujifunza kwa mashine". Tupa tofauti za uuzaji kwenye mada ya maneno haya, jambo la msingi ni katika mfumo wa sayansi ya data inayoibuka na inayoahidi.

Mbinu ya kisasa ya kufanya kazi na data inajumuisha maeneo kadhaa kuu:

• Takwimu kubwa ( Data Kubwa) Shida kuu katika eneo hili ni idadi kubwa ya habari ambayo haiwezi kuchakatwa kwenye seva moja. Kutoka kwa mtazamo wa msaada wa miundombinu, ni muhimu kutatua matatizo ya kuunda mifumo ya nguzo, scalability, uvumilivu wa makosa, na uhifadhi wa data uliosambazwa;
• Kazi zinazohitaji rasilimali nyingi (kujifunza kwa mashine, kujifunza kwa kina na wengine). Katika kesi hii, swali la kutumia kompyuta ya juu ya utendaji, ambayo inahitaji kiasi kikubwa Rasilimali za RAM na CPU. Katika kazi kama hizo, mifumo iliyo na viongeza kasi vya picha hutumiwa kikamilifu.

Mstari kati ya mitindo ya data unatiwa ukungu pole pole: zana kuu za kufanya kazi na data kubwa (Hadoop, Spark) zinatanguliza usaidizi wa kompyuta ya GPU, na kazi za kujifunza kwa mashine zinashughulikia maeneo mapya na zinahitaji data nyingi zaidi. Walimu na wanafunzi wa Shule ya Uchambuzi wa Data watatusaidia kuelewa kwa undani zaidi.

Ni vigumu kukadiria umuhimu kazi yenye uwezo na data na utekelezaji sahihi wa zana za juu za uchambuzi. Hatuzungumzii hata juu ya data kubwa, "maziwa" yao au "mito," bali kuhusu mwingiliano wa akili na habari. Kinachotokea sasa ni hali ya kipekee: Tunaweza kukusanya taarifa mbalimbali na kutumia zana na huduma za kina kwa uchambuzi wa kina. Biashara zinatekeleza teknolojia hizo sio tu kupata uchanganuzi wa hali ya juu, bali pia kuunda bidhaa ya kipekee katika tasnia yoyote. Hasa hatua ya mwisho kwa kiasi kikubwa huchagiza na kuchochea ukuaji wa tasnia ya uchanganuzi wa data.

Mwelekeo mpya

Habari inatuzunguka kila mahali: kutoka kwa kumbukumbu za kampuni za mtandao na shughuli za benki kabla ya usomaji katika majaribio katika Collider Kubwa ya Hadron. Uwezo wa kufanya kazi na data hii unaweza kuleta mamilioni ya faida na kutoa majibu kwa maswali ya kimsingi kuhusu muundo wa Ulimwengu. Kwa hivyo, uchambuzi wa data umekuwa eneo tofauti la utafiti kati ya biashara na jumuiya za kisayansi.

Shule ya Uchambuzi wa Data hufunza wataalam na wanasayansi waliobobea ambao katika siku zijazo watakuwa chanzo kikuu cha maendeleo ya kisayansi na kiviwanda katika eneo hili. Maendeleo ya sekta hii pia yanatuathiri kama watoa huduma wa miundombinu - wateja zaidi na zaidi wanaomba usanidi wa seva kwa ajili ya kazi za uchambuzi wa data.

Ubainifu wa kazi zinazowakabili wateja wetu huamua ni vifaa gani tunapaswa kutoa kwa wateja na katika mwelekeo gani tunapaswa kukuza yetu mstari wa bidhaa. Pamoja na Stanislav Fedotov na Oleg Ivchenko, tulichunguza wanafunzi na walimu wa Shule ya Uchambuzi wa Data na kujua ni teknolojia gani wanazotumia kutatua matatizo ya vitendo.

Teknolojia za Uchambuzi wa Data

Wakati wa mafunzo, wanafunzi huhama kutoka misingi (hisabati ya juu ya msingi, algoriti na upangaji) hadi maeneo ya juu zaidi ya kujifunza kwa mashine. Tulikusanya taarifa kuhusu wale wanaotumia seva zilizo na GPU:

• Kujifunza kwa kina;
• Mafunzo ya kuimarisha;
• Maono ya kompyuta;
• Usindikaji wa maandishi otomatiki.

Wanafunzi hutumia zana maalumu katika zao kazi za elimu na utafiti. Baadhi ya maktaba zimeundwa kubadilisha data kuwa aina inayohitajika, zingine zimeundwa kufanya kazi nazo aina maalum habari, kama maandishi au picha. Kujifunza kwa kina ni mojawapo ya maeneo changamano zaidi katika uchanganuzi wa data na hutumia sana mitandao ya neva. Tuliamua kujua ni mifumo ipi ambayo walimu na wanafunzi hutumia kufanya kazi na mitandao ya neva.

Zana zilizowasilishwa zina viwango tofauti vya usaidizi kutoka kwa watayarishi wao, lakini zinaendelea kutumika kikamilifu kwa madhumuni ya elimu na kazi. Mengi yao yanahitaji maunzi yenye nguvu ili kuchakata kazi kwa muda wa kutosha.

Maendeleo zaidi na miradi

Kama sayansi yoyote, mwelekeo wa uchambuzi wa data utabadilika. Uzoefu ambao wanafunzi wanapata leo bila shaka utaarifu maendeleo ya siku zijazo. Kwa hivyo, inafaa kuzingatia mwelekeo wa hali ya juu wa programu - wanafunzi wengine, wakati wa masomo yao au baada ya hapo, wanaanza mafunzo ya ndani huko Yandex na kutumia maarifa yao tayari. huduma za kweli na huduma (utafutaji, maono ya kompyuta, utambuzi wa hotuba na wengine).

Tulizungumza kuhusu mustakabali wa uchanganuzi wa data na walimu kutoka Shule ya Uchanganuzi wa Data, ambao walishiriki nasi maono yao ya ukuzaji wa sayansi ya data.

Kulingana na Vlada Shakhuro, mwalimu wa kozi "Uchambuzi wa Picha na Video", kazi zinazovutia zaidi katika maono ya kompyuta- kuhakikisha usalama katika maeneo yenye watu wengi, kuendesha gari lisilo na rubani na kuunda programu kwa kutumia ukweli uliodhabitiwa. Ili kutatua matatizo haya, ni muhimu kuweza kuchambua data ya video kwa ubora na, kwanza kabisa, kuendeleza algorithms ya kuchunguza na kufuatilia vitu, kutambua mtu kwa uso na ujenzi wa tatu-dimensional wa eneo lililozingatiwa. Mwalimu Victor Lempitsky, kiongozi wa kozi "Deep Learning", tofauti inaonyesha autoencoders, pamoja na mitandao ya kuzalisha na ya adui katika eneo lake.

Mmoja wa washauri wa Shule ya Uchambuzi wa Data anashiriki maoni yake kuhusu kuenea na kuanza kwa matumizi makubwa ya kujifunza kwa mashine:

"Kujifunza kwa mashine kunasonga kutoka kuwa hifadhi ya watafiti wachache wenye umakini na kuwa zana nyingine tu ya msanidi wa wastani. Hapo awali (kwa mfano mwaka wa 2012), watu waliandika msimbo wa kiwango cha chini ili kutoa mafunzo kwa mitandao ya uongofu kwenye kadi kadhaa za video. Sasa, mtu yeyote anaweza, katika suala la masaa:

• pakua uzani wa mtandao wa neva uliofunzwa tayari (kwa mfano, kwenye keras);
• itumie kufanya suluhisho kwa tatizo lako (kurekebisha vizuri, kujifunza bila risasi);
• ipachike kwenye tovuti yako au programu ya simu(tensorflow/caffe 2).

Makampuni mengi makubwa na wanaoanza tayari wamefaidika na mkakati kama huo (kwa mfano, Prisma), lakini shida nyingi zaidi bado hazijagunduliwa na kutatuliwa. Na labda hii mashine/jambo la kujifunza kwa kina siku moja litakuwa jambo la kawaida kama chatu au excel ilivyo sasa.

Hakuna mtu anayeweza kutabiri kwa usahihi teknolojia ya siku zijazo leo, lakini wakati kuna vector fulani ya harakati, unaweza kuelewa kile kinachopaswa kujifunza sasa. Na fursa za hii ziko ndani ulimwengu wa kisasa- idadi kubwa.

Fursa kwa wanaoanza

Utafiti wa uchanganuzi wa data ni mdogo mahitaji ya juu kwa wanafunzi: maarifa ya kina katika uwanja wa hisabati na algorithms, ustadi wa programu. Ya kweli changamoto kubwa kujifunza kwa mashine kunahitaji kuwepo vifaa maalumu. Na kwa wale wanaotaka kujifunza zaidi kuhusu sehemu ya kinadharia ya sayansi ya data, Shule ya Uchambuzi wa Data, pamoja na Shule ya Juu ya Uchumi, ilizindua kozi ya mtandaoni "".

Badala ya hitimisho

Ukuaji wa soko la GPU unaendeshwa na kuongezeka kwa riba katika uwezo wa vifaa hivyo. GPU inatumika nyumbani mifumo ya michezo ya kubahatisha, uwasilishaji na kazi za usindikaji wa video, na ambapo kompyuta ya utendaji wa hali ya juu inahitajika. Matumizi ya vitendo kazi za uchimbaji data zitapenya zaidi ndani yetu maisha ya kila siku. Na utekelezaji programu zinazofanana Hii inafanywa kwa ufanisi zaidi kwa msaada wa GPU.

Tunawashukuru wateja wetu, pamoja na walimu na wanafunzi wa Shule ya Uchambuzi wa Data kwa maandalizi ya pamoja ya nyenzo, na tunawaalika wasomaji wetu kuwafahamu zaidi.

Na kwa wale walio na uzoefu na uzoefu katika uga wa kujifunza kwa mashine, uchanganuzi wa data na mengine, tunapendekeza kuangalia ukodishaji kutoka kwa Selectel vifaa vya seva na vichapuzi vya picha: kutoka kwa GTX 1080 rahisi hadi Tesla P100 na K80 kwa kazi zinazohitajika zaidi.