Home-theater-designers
Si heu seguit Nvidia i AMD, probablement coneixeu les especificacions de les seves GPU que a totes dues empreses els agrada utilitzar. Per exemple, a Nvidia li agrada destacar el recompte de nuclis CUDA per diferenciar la seva oferta de les targetes d’AMD, mentre que AMD fa el mateix amb les seves unitats de càlcul.
Però, què signifiquen en realitat aquests termes? Un nucli CUDA és el mateix que una unitat de càlcul? Si no, quina és la diferència?
com aconseguir una ratxa a Snapchat
Respondrem aquestes preguntes i veurem què fa que una GPU AMD sigui diferent de la de Nvidia.
Arquitectura general d'una GPU
Totes les GPU, ja siguin d’AMD, Nvidia o Intel, funcionen de la mateixa manera en general. Tenen els mateixos components clau i el disseny general d’aquests components és similar a un nivell superior.
Per tant, des d’una perspectiva de dalt a baix, totes les GPU són iguals.
Quan examinem els components propietaris específics que cada fabricant empaqueta a la seva GPU, comencen a aparèixer les diferències. Per exemple, Nvidia incorpora nuclis Tensor a les seves GPU, mentre que les GPU AMD no tenen nuclis Tensor.
De la mateixa manera, AMD utilitza components com Infinity Cache, que no tenen les GPU Nvidia.
Per tant, per entendre la diferència entre les unitats de càlcul (CU) i els nuclis CUDA, primer hem de mirar l’arquitectura general d’una GPU. Una vegada que puguem entendre l'arquitectura i veure com funciona una GPU, podem veure clarament la diferència entre les unitats de càlcul i els nuclis CUDA.
Com funciona una GPU?
El primer que heu d’entendre és que una GPU processa milers o fins i tot milions d’instruccions simultàniament. Per tant, una GPU necessita molts nuclis petits i molt paral·lels per gestionar aquestes instruccions.
Aquests petits nuclis de GPU són diferents dels grans nuclis de CPU que processen una instrucció complexa per nucli a la vegada.
Per exemple, un Nvidia RTX 3090 té 10496 nuclis CUDA. D’altra banda, l’AMD Threadripper 3970X de primera línia només té 64 nuclis.
Per tant, no podem comparar els nuclis de la GPU amb els nuclis de la CPU. N’hi ha força diferències entre una CPU i una GPU perquè els enginyers els han dissenyat per realitzar diferents tasques.
A més, a diferència d’una CPU mitjana, tots els nuclis de la GPU s’organitzen en clústers o grups.
Finalment, un clúster de nuclis en una GPU té altres components de maquinari com nuclis de processament de textures, unitats de punts flotants i memòries cau
per ajudar a processar milions d’instruccions al mateix temps. Aquest paral·lelisme defineix l'arquitectura d'una GPU. Des de carregar una instrucció fins a processar-la, una GPU ho fa tot segons els principis del processament en paral·lel.
- En primer lloc, la GPU rep una instrucció per processar a partir d’una cua d’instruccions. Aquestes instruccions són gairebé sempre relacionades de forma aclaparadora amb el vector.
- A continuació, per resoldre aquestes instruccions, un planificador de fils les transmet a clústers nuclears individuals per processar-los.
- Després de rebre les instruccions, un programador de clúster de nucli integrat assigna les instruccions als nuclis o als elements de processament per processar-los.
- Finalment, diferents clústers nuclears processen diferents instruccions en paral·lel i els resultats es mostren a la pantalla. Per tant, tots els gràfics que veieu a la pantalla, un videojoc, per exemple, són només una col·lecció de milions de vectors processats.
En resum, una GPU té milers d’elements de processament que anomenem nuclis disposats en clústers. Els programadors assignen feina a aquests clústers per aconseguir paral·lelisme.
Què són les unitats de càlcul?
Com es va veure a la secció anterior, cada GPU té clústers de nuclis que contenen elements de processament. AMD anomena aquests clústers bàsics Unitats de càlcul.
www.youtube.com/watch?v=uu-3aEyesWQ&t=202s
Les unitats de càlcul són una col·lecció de recursos de processament, com ara unitats aritmètiques i lògiques (ALU) paral·leles, memòries cau, unitats de coma flotant o processadors vectorials, registres i certa memòria per emmagatzemar informació de fils.
Per simplificar-ho, AMD només anuncia el nombre d’unitats de càlcul de les seves GPU i no detalla els components subjacents.
Per tant, sempre que vegeu el nombre d’unitats de càlcul, penseu en elles com un grup d’elements de processament i tots els components relacionats.
com jugar amb un amic a Minecraft
Què són els nuclis CUDA?
Quan a AMD li agrada fer les coses senzilles amb el nombre d'unitats de càlcul, Nvidia complica les coses mitjançant termes com els nuclis CUDA.
Els nuclis CUDA no són exactament nuclis. Només són unitats de coma flotant que a Nvidia li agrada anomenar nuclis amb finalitats de màrqueting. I, si ho recordeu, els clústers nuclears tenen incorporades moltes unitats de punt flotant. Aquestes unitats realitzen càlculs vectorials i res més.
Per tant, anomenar-los un nucli és pur màrqueting.
Per tant, un nucli CUDA és un element de processament que realitza operacions de coma flotant. Hi pot haver molts nuclis CUDA dins d’un clúster d’un sol nucli.
Finalment, Nvidia anomena clústers bàsics Transmissió de multiprocessadors o SM. Les SM són equivalents a les unitats de càlcul AMD ja que les unitats de càlcul són els mateixos clústers bàsics.
Quina diferència hi ha entre les unitats de càlcul i els nuclis CUDA?
La principal diferència entre una unitat de càlcul i un nucli CUDA és que la primera es refereix a un clúster de nuclis i la segona es refereix a un element de processament.
Per entendre millor aquesta diferència, posem l'exemple d'una caixa de canvis.
Una caixa de canvis és una unitat formada per diversos engranatges. Podeu considerar la caixa de canvis com una unitat de càlcul i els engranatges individuals com a unitats de punt flotant dels nuclis CUDA.
En altres paraules, quan les unitats de càlcul són una col·lecció de components, els nuclis CUDA representen un component específic dins de la col·lecció. Per tant, les unitats de càlcul i els nuclis CUDA no són comparables.
És per això que, quan AMD esmenta el nombre d'unitats de càlcul per a les seves GPU, sempre són força inferiors en comparació amb les targetes Nvidia de la competència i el seu recompte bàsic CUDA. Una comparació més favorable seria entre el nombre de multiprocessadors de transmissió de la targeta Nvidia i el nombre d’unitats de càlcul de la targeta AMD.
Relacionat: AMD 6700XT vs. Nvidia RTX 3070: quina és la millor GPU de menys de 500 $?
Els nuclis i les unitats de càlcul CUDA són diferents i no són comparables
Les empreses tenen l’hàbit d’utilitzar una terminologia confusa per presentar els seus productes amb la millor llum. Això no només confon el client, sinó que també fa difícil fer un seguiment de les coses que importen.
Per tant, assegureu-vos de saber què heu de buscar quan cerqueu una GPU. Mantenir-se allunyat de l’argot de màrqueting farà que la seva decisió sigui molt millor i més lliure d’estrès.
Compartir Compartir Tweet Correu electrònic Val la pena actualitzar les targetes gràfiques de la sèrie 30 de NVIDIA?Si sou un jugador, és possible que tingueu la temptació d’actualitzar la targeta gràfica a la sèrie 30 de NVIDIA. Però val la pena?
Llegiu a continuació Temes relacionats- Tecnologia explicada
- Targeta gràfica
- Nvidia
- Processador AMD
Fawad és escriptor independent a temps complet. Li encanta la tecnologia i el menjar. Quan no menja ni escriu sobre Windows, juga a videojocs o somia despert en viatjar.
Més de Fawad MurtazaSubscriu-te al nostre butlletí
Uniu-vos al nostre butlletí per obtenir consells tècnics, ressenyes, llibres electrònics gratuïts i ofertes exclusives.
Feu clic aquí per subscriure-us