Home-theater-designers
Hvis du har fulgt Nvidia og AMD, vet du sannsynligvis om spesifikasjonene til GPUene som begge disse selskapene liker å bruke. For eksempel liker Nvidia å understreke CUDA -kjernetall for å skille tilbudet fra AMDs kort, mens AMD gjør det samme med sine beregningsenheter.
Men hva betyr disse begrepene egentlig? Er en CUDA -kjerne det samme som en beregningsenhet? Hvis ikke, hva er forskjellen?
hvorfor kjører harddisken min på 100
La oss svare på disse spørsmålene og se hva som gjør en AMD GPU annerledes enn en Nvidia.
Generell arkitektur for en GPU
Alle GPUer, enten de er fra AMD, Nvidia eller Intel, fungerer generelt på samme måte. De har de samme viktige komponentene, og den generelle utformingen av komponentene er lik på et høyere nivå.
Så ovenfra og ned er alle GPU-er de samme.
Når vi ser på de spesifikke, proprietære komponentene som hver produsent pakker inn i GPU -en, begynner forskjellene å dukke opp. For eksempel bygger Nvidia Tensor -kjerner i GPU -ene, mens AMD -GPUer ikke har Tensor -kjerner.
På samme måte bruker AMD komponenter som Infinity Cache, som Nvidia GPU -er ikke har.
Så for å forstå forskjellen mellom Compute Units (CUs) og CUDA -kjerner, må vi først se på den generelle arkitekturen til en GPU. Når vi kan forstå arkitekturen og se hvordan en GPU fungerer, kan vi tydelig se forskjellen mellom Compute Units og CUDA -kjerner.
Hvordan fungerer en GPU?
Det første du må forstå er at en GPU behandler tusenvis eller til og med millioner av instruksjoner samtidig. Derfor trenger en GPU mange små, svært parallelle kjerner for å håndtere disse instruksjonene.
Disse små GPU -kjernene er forskjellige fra store CPU -kjerner som behandler en kompleks instruksjon per kjerne om gangen.
For eksempel har en Nvidia RTX 3090 10496 CUDA -kjerner. På den annen side har den toppmoderne AMD Threadripper 3970X bare 64 kjerner.
Så vi kan ikke sammenligne GPU -kjerner med CPU -kjerner. Det er ganske mange forskjeller mellom en CPU og GPU fordi ingeniørene har designet dem til å utføre forskjellige oppgaver.
Videre, i motsetning til en gjennomsnittlig CPU, er alle GPU -kjernene arrangert i klynger eller grupper.
Til slutt har en klynge av kjerner på en GPU andre maskinvarekomponenter som teksturbehandlingskjerner, flytende punkter og cacher
å hjelpe til med å behandle millioner av instruksjoner samtidig. Denne parallellen definerer arkitekturen til en GPU. Fra å laste en instruksjon til å behandle den, gjør en GPU alt i henhold til prinsippene for parallellbehandling.
- Først mottar GPU en instruksjon om å behandle fra en kø med instruksjoner. Disse instruksjonene er nesten alltid overveldende vektorrelaterte.
- For å løse disse instruksjonene sender en trådplanlegger dem videre til individuelle kjerneklynger for behandling.
- Etter å ha mottatt instruksjonene, tilordner en innebygd kjerneklyngeplanlegger instruksjonene til kjerner eller behandlingselementer for behandling.
- Til slutt behandler forskjellige kjerneklynger forskjellige instruksjoner parallelt, og resultatene vises på skjermen. Så all grafikken du ser på skjermen, for eksempel et videospill, er bare en samling av millioner av bearbeidede vektorer.
Kort sagt, en GPU har tusenvis av behandlingselementer som vi kaller kjerner arrangert i klynger. Planleggere tildeler arbeid til disse klyngene for å oppnå parallellitet.
Hva er beregningsenheter?
Som vist i forrige seksjon, har hver GPU klynger av kjerner som inneholder prosesseringselementer. AMD kaller disse kjerneklyngene Compute Units.
www.youtube.com/watch?v=uu-3aEyesWQ&t=202s
Compute Units er en samling behandlingsressurser som parallelle aritmetiske og logiske enheter (ALU), cacher, flytende punktenheter eller vektorprosessorer, registre og noe minne for å lagre trådinformasjon.
For å gjøre det enkelt, annonserer AMD bare antall regneenheter i GPU -ene sine og beskriver ikke de underliggende komponentene.
Så når du ser antallet beregningsenheter, tenk på dem som en gruppe behandlingselementer og alle de relaterte komponentene.
Hvordan spille minecraft med venner pc
Hva er CUDA -kjerner?
Der AMD liker å holde ting enkelt med antall beregningsenheter, kompliserer Nvidia ting ved å bruke termer som CUDA -kjerner.
CUDA -kjerner er ikke akkurat kjerner. De er bare flytende punktenheter som Nvidia liker å betegne som kjerner for markedsføringsformål. Og, hvis du husker, kjerneklynger har mange flytende punktenheter innebygd. Disse enhetene utfører vektorberegninger og ingenting annet.
Så å kalle dem en kjerne er ren markedsføring.
Derfor er en CUDA-kjerne et behandlingselement som utfører flytende operasjoner. Det kan være mange CUDA -kjerner inne i en enkeltkjerne.
Til slutt kaller Nvidia kjerneklynger Streaming av flere prosessorer eller SM -er. SM -er tilsvarer AMD Compute Units siden Compute Units selv er kjerneklynger.
Hva er forskjellen mellom beregningsenheter og CUDA -kjerner?
Hovedforskjellen mellom en beregningsenhet og en CUDA -kjerne er at førstnevnte refererer til en kjerneklynge, og sistnevnte refererer til et behandlingselement.
For å forstå denne forskjellen bedre, la oss ta eksemplet på en girkasse.
En girkasse er en enhet som består av flere gir. Du kan tenke på girkassen som en beregningsenhet og de enkelte girene som flytende punkt i CUDA-kjerner.
Med andre ord, der Compute Units er en samling av komponenter, representerer CUDA -kjerner en bestemt komponent inne i samlingen. Så beregningsenheter og CUDA -kjerner er ikke sammenlignbare.
Dette er også grunnen til at når AMD nevner antall beregningsenheter for sine GPUer, er de alltid ganske lavere sammenlignet med konkurrerende Nvidia -kort og deres CUDA -kjernetall. En mer gunstig sammenligning vil være mellom antall Streaming Multiprocessors av Nvidia -kortet og antall Computerenheter på AMD -kortet.
I slekt: AMD 6700XT vs. Nvidia RTX 3070: Hva er den beste GPU -en under $ 500?
CUDA -kjerner og beregningsenheter er forskjellige og ikke sammenlignbare
Bedrifter har for vane å bruke forvirrende terminologi for å presentere sine produkter i det beste lyset. Dette forvirrer ikke bare kunden, men det gjør det også vanskelig å holde styr på tingene som betyr noe.
Så sørg for at du vet hva du skal se etter når du søker etter en GPU. Å holde deg langt unna markedsføringsjargong vil gjøre din beslutning mye bedre og mer stressfri.
Dele Dele kvitring E -post Er NVIDIAs 30 -grafikkort verdt oppgraderingen?Hvis du er en spiller, kan du bli fristet til å oppgradere grafikkortet til NVIDIAs 30 -serie. Men er det verdt det?
Les neste Relaterte temaer- Teknologi forklart
- Grafikkort
- Nvidia
- AMD -prosessor
Fawad er en frilansskribent på heltid. Han elsker teknologi og mat. Når han ikke spiser eller skriver om Windows, spiller han enten videospill eller drømmer om å reise.
Mer fra Fawad MurtazaAbonner på vårt nyhetsbrev
Bli med i vårt nyhetsbrev for tekniske tips, anmeldelser, gratis ebøker og eksklusive tilbud!
Klikk her for å abonnere