Présentation
Avec la popularité croissante de domaines tels que l'apprentissage en profondeur, la modélisation/le rendu 3D, les jeux en réalité virtuelle et l'extraction de crypto, les exigences informatiques modernes ont explosé. Les composants matériels chargés de fournir la puissance de calcul ont évolué en réponse à la demande. Cette évolution a atteint le point où il est parfois difficile de différencier leurs rôles dans le système informatique.
Cet article fournira une comparaison complète entre les deux principaux moteurs de calcul - le CPU et le GPU.
CPU vs. GPU :Présentation
Vous trouverez ci-dessous un aperçu des principaux points de comparaison entre le CPU et le GPU.
| CPU | GPU |
|---|---|
| Un plus petit nombre de cœurs plus gros (jusqu'à 24) | Un plus grand nombre (des milliers) de cœurs plus petits |
| Faible latence | Haut débit |
| Optimisé pour le traitement en série | Optimisé pour le traitement parallèle |
| Conçu pour exécuter des programmes complexes | Conçu pour des calculs simples et répétitifs |
| Effectue moins d'instructions par horloge | Effectue plus d'instructions par horloge |
| Gestion automatique du cache | Permet la gestion manuelle de la mémoire |
| Economique pour les petites charges de travail | Economique pour les charges de travail plus importantes |
Qu'est-ce qu'un processeur ?
Le CPU (Central Processing Unit) ou le processeur principal exécute les instructions de calcul. Relié à la carte mère via un socket CPU, le CPU écoute les entrées d'un programme informatique ou d'un périphérique tel qu'un clavier, une souris ou un pavé tactile. Il interprète et traite ensuite l'entrée et envoie la sortie résultante aux périphériques ou la stocke dans la mémoire.
Qu'est-ce qu'un GPU ?
Le GPU (Graphics Processing Unit) est un processeur graphique spécialisé conçu pour pouvoir traiter des milliers d'opérations simultanément. Les applications 3D exigeantes nécessitent un traitement parallèle de la texture, de la purée et de la lumière pour que les images se déplacent de manière fluide sur l'écran, et l'architecture du processeur n'est pas optimisée pour ces tâches. Le but initial des GPU était d'accélérer le rendu graphique.
Différence entre CPU et GPU
Même s'ils sont tous deux des puces de traitement à base de silicium, les CPU et les GPU diffèrent considérablement par leur architecture et leur application.
CPU vs. Architecture GPU
Le CPU se compose de milliards de transistors connectés pour créer des portes logiques, qui sont ensuite connectées en blocs fonctionnels. À plus grande échelle, le CPU a trois composants principaux :
- Unité arithmétique et logique (ALU) comprend des circuits qui effectuent des opérations arithmétiques et logiques.
- L'unité de contrôle récupère les instructions de l'entrée et les transmet aux ALU, au cache, à la RAM ou aux périphériques.
- Cache stocke les valeurs intermédiaires nécessaires aux calculs ALU ou aide à garder une trace des sous-programmes et des fonctions dans le programme en cours d'exécution.
Les processeurs peuvent avoir plusieurs cœurs avec leurs propres ALU, unités de contrôle et cache.
Le GPU se compose de composants similaires, mais il comporte un nombre beaucoup plus important de cœurs plus petits et spécialisés. Le but de plusieurs cœurs est de permettre au GPU d'effectuer plusieurs opérations de calcul parallèles .
CPU vs. Rendu GPU
Les GPU ont été principalement créés pour la manipulation graphique, ce qui explique pourquoi ils sont si supérieurs aux CPU en termes de vitesse de rendu. Selon la qualité des éléments matériels individuels, le rendu GPU peut être jusqu'à cent fois plus rapide que le rendu CPU.
Cependant, une bonne expérience de rendu ne dépend pas seulement de la vitesse. Par exemple, travailler avec des visuels 3D nécessite d'effectuer plusieurs tâches complexes tout en synchronisant les données. Conçus pour la complexité, les processeurs ont tendance à surpasser les GPU dans le rendu 3D, car les GPU sont conçus pour effectuer des tâches plus simples et plus directes.
De plus, les GPU sont limités à la mémoire de leur carte graphique (généralement jusqu'à 12 Go), qui ne s'empile pas et ne peut pas être facilement étendue sans provoquer de goulots d'étranglement et nuire aux performances. Le processeur utilise la mémoire système principale, qui est facilement extensible et peut atteindre 64 Go.
Cache CPU contre. Cache GPU
Le processeur utilise le cache pour économiser le temps et l'énergie nécessaires pour récupérer les données de la mémoire. Le cache est conçu pour être plus petit, plus rapide et plus proche des autres composants du processeur que la mémoire principale.
Le cache CPU comprend plusieurs couches. Le niveau le plus proche du cœur est utilisé uniquement par ce cœur, tandis que la couche la plus éloignée est partagée entre tous les cœurs du processeur. Les processeurs modernes effectuent automatiquement la gestion du cache. Chaque couche décide si le morceau de mémoire doit être conservé ou supprimé en fonction de la fréquence d'utilisation.
La mémoire locale du GPU est structurellement similaire au cache du CPU. Cependant, la différence la plus importante est que la mémoire GPU présente une architecture d'accès à la mémoire non uniforme. Il permet aux programmeurs de décider quels éléments de mémoire conserver dans la mémoire GPU et lesquels supprimer, permettant une meilleure optimisation de la mémoire.
CPU vs. Apprentissage en profondeur du processeur graphique
L'apprentissage en profondeur est un domaine dans lequel les GPU fonctionnent nettement mieux que les CPU. Voici les facteurs importants qui contribuent à la popularité des serveurs GPU dans l'apprentissage en profondeur :
- Bande passante mémoire - L'objectif initial des GPU était d'accélérer le rendu 3D des textures et des polygones, ils ont donc été conçus pour gérer de grands ensembles de données. Le cache est trop petit pour stocker la quantité de données qu'un GPU traite de manière répétée, de sorte que les GPU disposent de bus mémoire plus larges et plus rapides.
- Grands ensembles de données - Les modèles d'apprentissage en profondeur nécessitent de grands ensembles de données. L'efficacité des GPU dans la gestion des calculs gourmands en mémoire en fait un choix logique.
- Parallélisme - Les GPU utilisent le parallélisme des threads pour résoudre le problème de latence causé par la taille des données - l'utilisation simultanée de plusieurs threads de traitement.
- Rendement des coûts - Les charges de travail importantes des réseaux neuronaux nécessitent beaucoup de puissance matérielle. À cette fin, les systèmes basés sur GPU offrent beaucoup plus de ressources pour moins d'argent.
CPU vs. Minage GPU
Alors que l'extraction de GPU a tendance à être plus coûteuse, les GPU ont un taux de hachage plus élevé que les CPU. Les GPU exécutent jusqu'à 800 fois plus d'instructions par horloge que les CPU, ce qui les rend plus efficaces pour résoudre les problèmes mathématiques complexes nécessaires à l'exploitation minière. Les GPU sont également plus économes en énergie et plus faciles à entretenir.
Comment le processeur et le processeur graphique fonctionnent-ils ensemble ?
Lorsque l'on compare les deux, il est important de comprendre que les GPU ont été conçus pour compléter les CPU, et non pour les remplacer. Le CPU et le GPU fonctionnent ensemble pour augmenter la quantité et la vitesse des données traitées.
Un GPU ne peut pas remplacer un CPU dans un système informatique. Le CPU est nécessaire pour superviser l'exécution des tâches sur le système. Cependant, le CPU peut déléguer des charges de travail répétitives spécifiques au GPU et libérer ses propres ressources nécessaires au maintien de la stabilité du système et des programmes en cours d'exécution.