显卡(Video card,Graphics card)全称显示接口卡,又称显示适配器,是计算机最基本配置、最重要的配件之一。
就像电脑联网需要网卡一样,主机里的数据需要显卡才能显示在屏幕上。因此,显卡是一种进行数模信号转换的计算机设备,承担着输出和显示图形的任务。
具体来说,显卡连接到计算机的主板上,它将计算机的数字信号转换为模拟信号,供显示器使用。
CPU是一个优秀的领导者,拥有多种功能。它的优势在于强大的调度、管理和协调能力,其次是计算能力。而GPU就相当于一个被CPU调度的“计算能力很强”的员工。
GPU可以使用多个CUDA核心进行并行计算,而CPU只能按顺序进行串行计算。CPU运行3000个简单运算也需要3000个时钟周期,而3000个CUDA核的GPU只需要1个时钟周期就可以运行。
Streamer处理器:也称为渲染管和着色器。画面由一个又一个像素组成,流处理器负责渲染这些像素;
RT:光线***核心,用于光线***效果;
张量核:一种新的处理核,执行特殊的矩阵数**算,适用于深度学习和某些类型的HPC;
视频内存容量:视频内存容量决定了存储在视频内存中的临时数据量。大显存可以减少读取数据的次数,减少延迟;
显存带宽:显存带宽是指图形处理芯片和显存之间的交换速度。所以显存接口总线位数越宽,交换率越高,显存速度越快。
单精度浮点性能:代表显卡的浮点运算能力。计算能力越高,计算能力越强。它用于深度学习和科学计算。
核心代码:显卡核心代码是指显卡显示核心的开发代码。
核心频率:只显示核心的工作频率,其工作频率在一定程度上可以反映显示核心的性能;
加速频率:最高频率只能显示核心的工作频率。
存储器位宽:它是存储器在一个时钟周期内可以传输数据的位数。位数越大,可以瞬间传输的数据量就越大,这是存储器的重要参数之一。
内存容量:它的主要作用是临时存储GPU要处理的数据和处理后的数据。内存容量决定了GPU可以加载的数据量。(在显存已经可以满足客户业务的情况下,升级显存并不会对业务表现有很大的提升。在深度学习和机器学习的训练场景中,显存的大小决定了一次可以加载的训练数据量。在大规模训练中,视频记忆会更重要。
显存频率:某种程度上反映了显存的速度,以MHz(兆赫)为单位。视频存储器频率因视频存储器的类型和性能而异。内存频率和位宽决定内存带宽。
显存带宽:指显示芯片和显存之间的数据传输速率,单位为字节每秒。显存带宽是决定显卡性能和速度的最重要因素之一。
评价显卡的性能不能只看某个指标的性能,要结合显卡各个指标的综合性能和客户的业务需求。
GPU是协处理器,和CPU端存储是分开的。因此,CPU端的代码和数据必须先传输到GPU,GPU才能执行内核函数。
它涉及到CPU和GPU之间的通信,其中PCIe的版本和性能会直接影响通信带宽。
GPU的另一个重要参数是浮点运算能力。浮点计数是用浮点小数点用不同长度的二进制来表示一个数,与定点数相对应。
在相同长度下,浮点数比定点数能表示更大范围的数,但浮点数不能准确表示所有实数,只能用更接近的不同精度表示。
本文来自努力打拼@路上投稿,不代表舒华文档立场,如若转载,请注明出处:https://www.chinashuhua.cn/24/543219.html