CPU与GPU的区别

CPU与GPU的区别
什么是CPU
中央处理器（英文Central Processing Unit，CPU）是一台计算机的运算核心和控制核心。

CPU、内部存储器和输入/输出设备是电子计算机三大核心部件。

其功能主要是解释计算机指令以及处理计算机软件中的数据。

CPU由运算器、控制器和寄存器及实现它们之间联系的数据、控制及状态的总线构成。

差不多所有的CPU的运作原理可分为四个阶段：提取（Fetch）、解码（Decode）、执行（Execute）和写回（Writeback）。

CPU从存储器或高速缓冲存储器中取出指令，放入指令寄存器，并对指令译码，并执行指令。

所谓的计算机的可编程性主要是指对CPU的编程。

CPU的功能
计算机求解问题是通过执行程序来实现的。

程序是由指令构成的序列，执行程序就是按指令序列逐条执行指令。

一旦把程序装入主存储器（简称主存）中，就可以由CPU自动完成从主存取指令和执行指令的任务。

CPU具有以下4个方面的基本功能：
1. 指令顺序控制
这是指控制程序中指令的执行顺序。

程序中的各指令之间是有严格顺序的，必须严格按程序规定的顺序执行，才能保证计算机工作的正确性。

2. 操作控制
一条指令的功能往往是由计算机中的部件执行一序列的操作来实现的。

CPU要根据指令的功能，产生相应的操作控制信号，发给相应的部件，从而控制这些部件按指令的要求进行动作。

3. 时间控制
时间控制就是对各种操作实施时间上的定时。

在一条指令的执行过程中，在什么时间做什么操作均应受到严格的控制。

只有这样，计算机才能有条不紊地自动工作。

4. 数据加工
即对数据进行算术运算和逻辑运算，或进行其他的信息处理。

CPU从存储器或高速缓冲存储器中取出指令，放入指令寄存器，并对指令译码。

它把指令分解成一系列的微操作，然后发出各种控制命令，执行微操作系列，从而完成一条指令的执行。

指令是计算
什么是GPU
（Graphic Processing Unit）图形处理芯片。

是显示卡的“心脏”，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。

2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。

3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。

显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。

现在市场上的显卡大多采用nVIDIA和ATI两家公司的图形处理芯片。

GPU的功能
GPU是显示卡的“大脑”，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D 显示卡的区别依据。

2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。

3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。

显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。

现在市场上的显卡大多采用NVIDIA和AMD-ATI两家公司的图形处理芯片。

今天，GPU已经不再局限于3D图形处理了，GPU通用计算技术发展已经引起业界不少的关注，事实也证明在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性
GPU
能，如此强悍的“新星”难免会让CPU厂商老大英特尔为未来而紧张，NVIDIA和英特尔也经常为CPU和GPU谁更重要而展开口水战。

GPU通用计算方面的标准目前有OPEN CL、CUDA、ATI STREAM。

其中，OpenCL(全称Open Computing Language，开放运算语言)是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号
技术可以说是GPU的标志。

CPU与GPU的区别
GPU CPU的区别主要在于CPU复杂度高GPU相对内部结构要简单得多
无论是CPU还是GPU，都是由PN结组成的复杂公式，CPU是一个大公式库，一个大核心就是一个大公式库，能进行超大量的计算，只要软件支持，就可以计算，软件开放性强，当然二极管数量绝大多数用在寄存器。

GPU是许多个简单的CPU，现在由流处理器组成的GPU，每个流处理器都是一个简单的CPU，但是GPU的流处理器构造极其简单，只能进行特定的函数运算，主要是函数，根号，加减乘除，来进行3D的栅格化，毕竟术业有专攻。

CPU 可以比喻成一两个超大知识库组成的一个大头脑
GPU可以比喻成好多个专业的技术工人组成的一个施工队。

无论身处何时代，至少到目前为止，GPU的计算能力从来没超过过同等级CPU，以后也不大可能超越。

GPU受到频率限制，主要是GPU频率有个寄存器瓶颈，几十几百线的信息汇总到一个寄存器线里，频率受限所以困难。

即使能达到和CPU同样的性能，那GPU效率由于只能从事其支持的函数运算所以无法和CPU相比。

即便是特斯拉这类超级GPU计算机，也只能用在特定的几个函数帮忙运算。