今天，我们简单聊一聊CPU与GPU的区别。
CPU的故事我们聊得比较多，之前也发过很多关于CPU的文章，因此这里重点说一下GPU。
教授 vs 小学生大家可以简单的将CPU理解为学识渊博的教授，什么都精通；而GPU则是一堆小学生，只会简单的算数运算。
可即使教授再神通广大，也不能一秒钟内计算出500次加减法。因此，对简单重复的计算来说，单单一个教授敌不过数量众多的小学生。在进行简单的算数运算这件事上，500个小学生（并发）可以轻而易举打败教授。
我们可以看到，CPU和GPU的最大不同在于架构。CPU适用于广泛的应用场景（学识渊博），可以执行任意程序；而GPU则专为多任务而生，并发能力强。
具体来讲，就是多核，一般的CPU有2核、4核、8核等；而GPU则可能会有成百上千核。
可以看到，CPU内部cache以及控制部分占据了很大一部分片上面积，因此计算单元占比很少。
点击获取1V1嵌入式学习规划，现在还送100G精选学习资料。
下面，我们再来看看GPU。GPU只有很简单的控制单元，剩下的大部分都被计算单元占据，因此CPU的核数有限，而GPU则轻松堆出上千核。
只不过CPU中每个核的能力好比教授，而GPU的每个核的能力好比一个小学生。
你可能会想，为什么GPU需要这么奇怪的架构呢？
为什么GPU需要这么多核心？想一想计算机上的一张图是怎么表示的？无非就是屏幕上的一个个像素：
我们需要为每个像素进行计算，而且是相同的运算，就好比刚才例子中的小学生计算计加法一样。
注意，对于屏幕来说一般会有上百万个像素，如果我们要串行的为每一个像素进行运算效率就太低了。因此，我们可以让GPU中的每一个核心去为相应的像素进行计算。由于GPU中有很多核心，因此并行计算可以大幅提高速度。
现在你应该明白为什么GPU要这样工作了吧！
除了GPU的核心数比较多之外，GPU的工作方式也比较奇怪。
奇怪的工作方式对于CPU来说，不同的核心可以执行不同的机器指令，coreA在运行word线程的同时coreB上可以运行浏览器线程，这就是所谓的多指令多数据，MIMD（Multiple Instruction, Multiple Data）。
而GPU则不同，GPU上的这些核心必须整齐划一的运行相同的机器指令，只是可以操作不同的数据，这就好比这些小学生在某个时刻必须都进行加法计算，不同的地方在于有的小学生可能需要计算1 1，有的要计算2 6等等，变化的地方仅在于操作数，这就是所谓的单指令多数据，SIMD（Single Instruction, Multiple Data）。
因此，我们可以看到GPU的工作方式和CPU是截然不同的。
除了这种工作方式之外，GPU的指令集还非常简单，不像CPU这种复杂的处理器。如果你去看CPU的编程手册就会发现，CPU负责的事情非常多：中断处理、内存管理、IO等。
这些对于GPU来说都是不存在的，可以看到GPU的定位非常简单，就是纯计算，GPU绝不是用来取代CPU的，CPU只是把一些GPU非常擅长的事情交给它，GPU仅仅是用来分担CPU工作的配角。
CPU和GPU是这样配合工作的：
比较适合GPU的计算场景是这样的：1)计算简单；2）重复计算，因此如果你的计算场景和这里的图像渲染相似那么使用GPU就很合理了。
因此对于图形图像计算、天气预报以及神经网络等都适用于GPU，哦对了，GPU还适合用来挖矿。
好啦，这个话题今天就到这里，希望这篇对大家理解GPU有所帮助。
END
文章链接：https://mp.weixin.qq.com/s/t38ax6e0ZY8KAnCC2qPUYQ
转载自：嵌入式微处理器
文章来源：码农的荒岛求生 ，作者陆小风
文章链接：趣味讲解：CPU与GPU有什么区别？
版权申明：本文来源于网络，免费传达知识，版权归原作者所有。如涉及作品版权问题，请联系我进行删除。
