CPU和GPU擅长和不擅长的地方

1、cpu和gpu擅长和不擅长的地方cpu和gpu都是具有运算能力的芯片，cpu更像“通才”命令运算(执行)为重+ 数值运算，gpu更像“专才”图形类数值计算为核心。在不同类型的运算方面的速度也就打算了它们的能力“善于和不善于”。 芯片的速度主要取决于三个方面：微架构、主频、ipc(每个时钟周期执行的命令数)。 1微架构从微架构上看，cpu和gpu看起来彻低不是根据相同的设计思路设计的，当代cpu的微架构是根据兼顾“命令并行执行”和“数据并行运算”的思路而设计，就是要兼顾程序执行和数据运算的并行性、通用性以及它们的平衡性。cpu的微架构偏重于程序执行的效率，不会一味追求某种运算极致速度而牺牲程序执

2、行的效率。 cpu微架构的设计是面对命令执行高效率而设计的，因而cpu是计算机中设计最复杂的芯片。和gpu相比，cpu核心的重复设计部分不多，这种复杂性不能仅以晶体管的多寡来衡量，这种复杂性来自于实现：如程序分支预测，推想执行，多重嵌套分支执行，并行执行时候的命令相关性和数据相关性，多核协同处理时候的数据全都性等等复杂规律。 gpu其实是由硬件实现的一组图形函数的集合，这些函数主要用于绘制各种图形所需要的运算。这些和像素，光影处理，3d 坐标变换等相关的运算由gpu硬件加速来实现。图形运算的特点是大量同类型数据的密集运算形数据的矩阵运算，gpu的微架构就是面对适合于矩阵类型的数值计算而设计的，

3、大量重复设计的计算单元，这类计算可以分成众多自立的数值计算大量数值运算的线程，而且数据之间没有像程序执行的那种规律关联性。 gpu微架构复杂度不高，尽管晶体管的数量不少。从应用的角度看，如何运用好gpu的并行计算能力主要的工作是开发好它的驱动程序。gpu驱动程序的优劣很大程度左右了gpu实际性能的发挥。 因此从微架构上看，cpu善于的是像操作系统、系统软件和通用应用程序这类拥有复杂命令调度、循环、分支、规律推断以及执行等的程序任务。学习加腾讯意义气呜呜吧久零就易，它的并行优势是程序执行层面的，程序规律的复杂度也限定了程序执行的命令并行性，上百个并行程序执行的线程基本看不到。gpu善于的是图形类

4、的或者是非图形类的高度并行数值计算，gpu可以容纳上千个没有规律关系的数值计算线程，它的优势是无规律关系数据的并行计算。 2主频 另外，gpu执行每个数值计算的速度并没有比cpu快，从目前主流cpu和gpu的主频就可以看出了，cpu的主频都超过了1ghz，2ghz，甚至3ghz，而gpu的主频最高还不到1ghz，主流的也就500600mhz。要知道1ghz = 1000mhz。所以gpu在执行少量线程的数值计算时并不能超过cpu。 目前gpu数值计算的优势主要是浮点运算，它执行浮点运算快是靠大量并行，但是这种数值运算的并行性在面向程序的规律执行时毫无用处。 3ipc(每个时钟周期执行的命令数)

5、 这个方面，cpu和gpu无法比较，由于gpu大多数命令都是面对数值计算的，少量的控制命令也无法被操作系统和软件挺直用法。假如比较数据命令的ipc，gpu明显要高过cpu，由于并行的缘由。但是，假如比较控制命令的ipc，自然是cpu的要高的多。缘由很容易，cpu着重的是命令执行的并行性。 另外，目前有些gpu也能够支持比较复杂的控制命令，比如条件转移、分支、循环和子程序调用等，但是gpu程序控制这方面的增强，和支持操作系统所需要的能力cpu相比还是天壤之别，而且命令执行的效率也无法和cpu同日而语。 最后总结一下： cpu善于的：操作系统，系统软件，应用程序，通用计算，系统控制等等；嬉戏中人工智能，物理模拟等等；3d建模-光芒追踪渲染；虚拟化技术抽象硬件，同时运行多个操作系统或者一个操作系统的多个副本等等。 gpu善于的：图形类矩阵运算，非图形类并行数值计算，高端3d嬉戏。 综上所述，在一台均衡计算的计算机系统中，cpu和gpu还是各司其职，除了图形运算，gpu未来可能主要集中在高效率低成本的高性能并行数值计算，协助cpu分担这种类型的计算，提高系统这方面的性能。而当前的典型应用还是高端