Rozdíl mezi GPU a FPGA

Rychlý pokrok v technologii VLSI v posledních několika desetiletích umožnily zhotovení miliardy tranzistorů na jednom čipu. Tento technologický pokrok vedl k návrhu a vývoji mnohem rychlejší a energeticky úsporné hardwaru. Rychle rostoucí hodinové sazby a vyšší paměťové pásma za následek zvýšení výkonu. A zlepšení v single-core výkon procesory pro obecné použití se zmenšil v důsledku snížené rychlosti zvyšování provozních frekvencí. Dva hlavní důvody, že se zvyšující se rozdíl mezi procesorem a rychlosti paměti a omezení v napájení. Chcete-li vyřešit tyto problémy, mikroprocesor průmysl posunul na vícejádrové procesory. Ostatní přijatelné alternativy přišel do obrázku vedle vícejádrové procesory pro překonání těchto překážek, včetně na zakázku navržených integrovaných obvodů a přeprogramovat FPGA a GPU stejně. Takže, co byste dali přednost pro vaše výpočetní požadavky - GPU nebo FPGA?

Co je GPU?

Graphics Processing Unit (GPU), více obyčejně známý jako grafickou kartu nebo grafickou kartou, je grafický procesor pro zpracování grafických informací na výstup na displeji. GPU je specializovaný procesor původně navržen tak, aby sloužil potřebu urychlení vykreslování grafiky, hlavně pro zvýšení grafického výkonu her na počítači. Ve skutečnosti většina spotřebitelů GPU jsou určeny k dosažení vynikající grafický výkon a vizuální k tomu, aby život jako hru. Ale dnešní GPU jsou mnohem více než osobní počítače, ve kterém se poprvé objevil.

Před příchodem GPU, univerzální výpočetní, jak ji známe, bylo možné jen s procesory, které byly první jednotky na zpracování tradiční vyráběné jak spotřebitelské použití a pokročilou práci na počítači. GPU computing dramaticky vyvíjel v průběhu několika posledních desetiletí se našly rozsáhlé uplatnění v oblasti výzkumu okolní strojovém učení, AI a hluboké učení. GPU urazila úroveň výš se zavedením GPU API, jako je Compute Unified Device Architecture (CUDA), která připravila cestu k rozvoji knihoven pro hluboké neuronové sítě.

Co je FPGA?

Field Programmable Gate Array (FPGA) je zcela odlišný zvíře, které trvalo GPU výpočetní výkon na zcela novou úroveň, která nabízí vynikající výkon při hlubokých neuronových sítí (DNNs) aplikací zároveň demonstrují zlepšenou spotřebu energie. FPGA byly původně použity pro připojení elektronických součástek dohromady, jako jsou ovladače sběrnic nebo zpracovatelům, ale postupem času se jejich aplikace krajina změnila dramaticky. FPGA jsou polovodičové součástky, které mohou být elektronicky naprogramovat tak, aby se stal nějaký druh digitálního obvodu nebo systému. FPGA nabízejí lepší flexibilitu a schopnosti rychlé prototyping ve srovnání s vlastními návrhy. San Jose, Kalifornie založila Altera Corporation je jedním z největších výrobců FPGA a v roce 2015, byla společnost získala od společnosti Intel. To jsou velmi odlišné, než hardware instrukce bázi, jako je GPU a nejlepší na tom je, že mohou být překonfigurovat tak, aby odpovídaly požadavkům více datových náročných úloh, jako je například aplikace strojového učení.

Rozdíl mezi GPU a FPGA

Technologie

- GPU je specializovaná, elektronický obvod původně navržen tak, aby sloužil potřebu urychlení vykreslování grafiky pro všeobecné účely vědeckých a technických výpočtů. GPU jsou určeny pro provoz v jednom vícedatových (SIMD) módy. GPU Přebírá část výkonu náročné části kódu podle zrychluje výkon aplikací běžících na CPU. FPGA, na druhou stranu, jsou polovodičové součástky, které mohou být elektronicky naprogramovat tak, aby se stal nějaký druh digitálního obvodu nebo systému, který chcete.

Latence

- FPGA nabízí nižší latenci, než GPU, což znamená, že jsou optimalizovány pro procesní aplikace, jakmile je vstup je uvedena s minimálním zpožděním. Architektura FPGA umožňuje dosáhnout vysoké výpočetní výkon bez složitého procesu návrhu, takže je ideální pro co nejnižší latence aplikací. Dosahují podstatně vyšší schopnost výpočetní v kratším čase možné ve srovnání s GPU, což poměrně musí vyvíjet, aby zůstali relevantní.

Energetická účinnost

- Energetická účinnost je důležitým výkonnostní parametry roky a FPGA vynikají v tom, že příliš, protože jsou známy pro svou energetickou efektivitu. Mohou podporovat velice vysoké rychlosti dat propustnost, co se týká paralelní zpracování v obvodech realizovaných v rekonfigurovatelného tkaniny. Nejlepší věc, o FPGA je, že může být znovu která nabízí flexibilitu, která jim dává výhodu nad svými protějšky GPU u některých aplikačních oblastí. Mnoho z běžně používaných datových operací může být účinně prováděny na FPGA pomocí hardwarového programování. GPU jsou také energeticky úsporné, ale pouze pro SIMD potoků.

Pohyblivou řádovou čárkou

- Mnoho vysoce výkonné výpočetní aplikace, jako jsou hluboké učení, vyžadují silnou závislost na pohyblivou řádovou čárkou. Ačkoliv flexibilní architektura FPGA demonstrovat vynikající potenciál v řídkých sítí, které jsou jedním z nejžhavějších témat v aplikacích ML, trpí dosáhnout vyšší rychlosti pro aplikace, které ve velké míře využívají v pohyblivé řádové čárce aritmetické operace. operace s plovoucí desetinnou čárkou jsou něco GPU jsou opravdu dobří. Nejrychlejší GPU má plovoucí výkon bodový maximálně 15 TFLOPS.

GPU vs. FPGA: Srovnání Graf

souhrn

Stručně řečeno, GPU umožňuje flexibilní vývojové prostředí a rychlejší obrátky, ale FPGA poskytují mnohem lepší flexibilitu a schopnosti rychlé prototyping. Zatímco GPU jsou nejlepší, pokud jde o vysoce výkonné výpočetní aplikace, které jsou závislé na plovoucí desetinnou čárkou aritmetické operace, FPGA jsou ideální pro výkonové náročné aplikace a jejich latence je mnohem deterministický, protože se specializují procesory, které mohou být elektronicky překonfigurovat tak, aby se stal nějaký druh digitálního obvodu nebo systému. V některých aplikačních oblastech, FPGA jsou velmi těžké porazit, jako vojenských aplikacích, jako je naváděcími systémy střel, které vyžadují nízkou latenci.

Více o: ,