Inhaltsverzeichnis:
- Definition - Was bedeutet GPU-beschleunigtes Computing?
- Techopedia erklärt GPU-beschleunigtes Computing
Definition - Was bedeutet GPU-beschleunigtes Computing?
GPU-beschleunigtes Computing ist der Einsatz einer Grafikverarbeitungseinheit (GPU) zusammen mit einer Computer-Verarbeitungseinheit (CPU), um verarbeitungsintensive Vorgänge wie Deep Learning, Analytics und Engineering-Anwendungen zu ermöglichen. Die von NVIDIA im Jahr 2007 entwickelte GPU bietet eine weitaus bessere Anwendungsleistung, indem verarbeitungsintensive Anwendungsbereiche der GPU entfernt werden. Die Bereitstellung von GPU-beschleunigten Computern gewinnt aufgrund der Vielzahl von Anwendungen, in denen sie eingesetzt werden können, wie künstliche Intelligenz, Drohnen, Roboter oder autonome Autos, an Beliebtheit.
Techopedia erklärt GPU-beschleunigtes Computing
Die GPU unterstützt die Bereitstellung einer überlegenen Leistung für Softwareanwendungen. Aus Sicht des Benutzers beschleunigt GPU-beschleunigtes Computing Anwendungen. GPU-beschleunigte Rechenfunktionen durch Verschieben der rechenintensiven Abschnitte der Anwendungen auf die GPU, während die verbleibenden Abschnitte in der CPU ausgeführt werden dürfen. Während die CPU aus Kernen besteht, die für die sequentielle serielle Verarbeitung ausgelegt sind, verfügt die GPU über eine parallele Architektur, die aus effizienteren und dennoch kleineren Kernen besteht, die problemlos mehrere Aufgaben gleichzeitig erledigen können. Infolgedessen werden beim GPU-beschleunigten Rechnen, während sequentielle Berechnungen in der CPU durchgeführt werden, hochkomplizierte Berechnungen in der GPU parallel berechnet. Ein weiteres herausragendes Merkmal von GPU-beschleunigtem Computing ist die Unterstützung aller parallelen Programmiermodelle, mit deren Hilfe Anwendungsdesigner und -entwickler eine überlegene Anwendungsleistung erzielen können.
GPU-beschleunigtes Computing wurde in großem Umfang für die Videobearbeitung, medizinische Bildgebung, Fluidsimulationen, Farbkorrekturen und Unternehmensanwendungen eingesetzt und ist in komplexen Bereichen wie künstlicher Intelligenz und Deep Learning vielversprechend.
