Home-theater-designers
Se hai seguito Nvidia e AMD, probabilmente conosci le specifiche delle loro GPU che entrambe queste aziende amano utilizzare. Ad esempio, a Nvidia piace enfatizzare il numero di core CUDA per differenziare la sua offerta dalle schede AMD, mentre AMD fa lo stesso con le sue unità di calcolo.
Ma cosa significano effettivamente questi termini? Un core CUDA è la stessa cosa di un'unità di calcolo? Se no, qual è la differenza?
il desktop remoto non riesce a trovare il computer
Rispondiamo a queste domande e vediamo cosa rende una GPU AMD diversa da una Nvidia.
Architettura generale di una GPU
Tutte le GPU, sia di AMD, Nvidia o Intel, funzionano allo stesso modo in generale. Hanno gli stessi componenti chiave e il layout generale di tali componenti è simile a un livello superiore.
Quindi, da una prospettiva dall'alto verso il basso, tutte le GPU sono uguali.
Quando esaminiamo i componenti specifici e proprietari che ogni produttore impacchetta nella propria GPU, le differenze iniziano a emergere. Ad esempio, Nvidia costruisce core Tensor nelle proprie GPU, mentre le GPU AMD non hanno core Tensor.
Allo stesso modo, AMD utilizza componenti come Infinity Cache, che le GPU Nvidia non hanno.
Quindi, per comprendere la differenza tra unità di calcolo (CU) e core CUDA, dobbiamo prima esaminare l'architettura complessiva di una GPU. Una volta che possiamo comprendere l'architettura e vedere come funziona una GPU, possiamo vedere chiaramente la differenza tra unità di calcolo e core CUDA.
Come funziona una GPU?
La prima cosa che devi capire è che una GPU elabora migliaia o addirittura milioni di istruzioni contemporaneamente. Pertanto, una GPU ha bisogno di molti core piccoli e altamente paralleli per gestire tali istruzioni.
Questi piccoli core GPU sono diversi dai grandi core CPU che elaborano un'istruzione complessa per core alla volta.
Ad esempio, una Nvidia RTX 3090 ha 10496 core CUDA. D'altra parte, il top di gamma AMD Threadripper 3970X ha solo 64 core.
Quindi, non possiamo confrontare i core della GPU con i core della CPU. Ce ne sono parecchi differenze tra una CPU e una GPU perché gli ingegneri li hanno progettati per svolgere compiti diversi.
Inoltre, a differenza di una CPU media, tutti i core della GPU sono organizzati in cluster o gruppi.
Infine, un cluster di core su una GPU ha altri componenti hardware come core di elaborazione delle texture, unità in virgola mobile e cache
per aiutare a elaborare milioni di istruzioni contemporaneamente. Questo parallelismo definisce l'architettura di una GPU. Dal caricamento di un'istruzione all'elaborazione, una GPU fa tutto secondo i principi dell'elaborazione parallela.
- Innanzitutto, la GPU riceve un'istruzione da elaborare da una coda di istruzioni. Queste istruzioni sono quasi sempre prevalentemente legate al vettore.
- Successivamente, per risolvere queste istruzioni, un programma di pianificazione dei thread le passa ai singoli cluster principali per l'elaborazione.
- Dopo aver ricevuto le istruzioni, uno scheduler del cluster principale integrato assegna le istruzioni ai core o agli elementi di elaborazione per l'elaborazione.
- Infine, diversi core cluster elaborano diverse istruzioni in parallelo e i risultati vengono visualizzati sullo schermo. Quindi, tutta la grafica che vedi sullo schermo, ad esempio un videogioco, è solo una raccolta di milioni di vettori elaborati.
In breve, una GPU ha migliaia di elementi di elaborazione che chiamiamo core disposti in cluster. Gli scheduler assegnano il lavoro a questi cluster per ottenere il parallelismo.
Cosa sono le unità di calcolo?
Come visto nella sezione precedente, ogni GPU ha cluster di core contenenti elementi di elaborazione. AMD chiama questi cluster principali Compute Units.
www.youtube.com/watch?v=uu-3aEyesWQ&t=202s
Le unità di calcolo sono una raccolta di risorse di elaborazione come unità aritmetiche e logiche parallele (ALU), cache, unità a virgola mobile o processori vettoriali, registri e memoria per memorizzare le informazioni sui thread.
Per semplificare, AMD pubblicizza solo il numero di unità di calcolo delle proprie GPU e non dettaglia i componenti sottostanti.
Quindi, ogni volta che vedi il numero di unità di calcolo, considerale come un gruppo di elementi di elaborazione e tutti i relativi componenti.
come eliminare l'account hotmail 2018
Cosa sono i core CUDA?
Laddove ad AMD piace mantenere le cose semplici con il numero di unità di calcolo, Nvidia complica le cose usando termini come i core CUDA.
I core CUDA non sono esattamente core. Sono solo unità in virgola mobile che Nvidia ama definire come core per scopi di marketing. E, se ricordi, i cluster principali hanno molte unità in virgola mobile integrate. Queste unità eseguono calcoli vettoriali e nient'altro.
Quindi, chiamarli core è puro marketing.
Pertanto, un core CUDA è un elemento di elaborazione che esegue operazioni in virgola mobile. Possono esserci molti core CUDA all'interno di un singolo cluster di core.
Infine, Nvidia chiama i cluster principali Streaming multiprocessore o SM. Gli SM sono equivalenti alle unità di calcolo AMD poiché le unità di calcolo sono essi stessi cluster principali.
Qual è la differenza tra unità di calcolo e core CUDA?
La principale differenza tra un'unità di calcolo e un core CUDA è che il primo si riferisce a un core cluster e il secondo si riferisce a un elemento di elaborazione.
Per capire meglio questa differenza, prendiamo l'esempio di un cambio.
Un cambio è un'unità composta da più ingranaggi. Puoi pensare al cambio come a un'unità di calcolo e ai singoli ingranaggi come unità a virgola mobile dei core CUDA.
In altre parole, dove le unità di calcolo sono una raccolta di componenti, i core CUDA rappresentano un componente specifico all'interno della raccolta. Quindi, le unità di calcolo e i core CUDA non sono comparabili.
Questo è anche il motivo per cui quando AMD menziona il numero di unità di calcolo per le proprie GPU sono sempre piuttosto inferiori rispetto alle schede Nvidia concorrenti e al loro numero di core CUDA. Un confronto più favorevole sarebbe tra il numero di Streaming Multiprocessors della scheda Nvidia e il numero di Compute Unit della scheda AMD.
Imparentato: AMD 6700XT vs Nvidia RTX 3070: qual è la migliore GPU sotto i $ 500?
I core CUDA e le unità di calcolo sono diversi e non comparabili
Le aziende hanno l'abitudine di usare una terminologia confusa per presentare i loro prodotti nella luce migliore. Questo non solo confonde il cliente, ma rende anche difficile tenere traccia delle cose che contano.
Quindi, assicurati di sapere cosa cercare quando cerchi una GPU. Stare lontano dal gergo del marketing renderà la tua decisione molto migliore e più senza stress.
Condividere Condividere Tweet E-mail Le schede grafiche NVIDIA serie 30 valgono l'aggiornamento?Se sei un giocatore, potresti essere tentato di aggiornare la tua scheda grafica alla serie 30 di NVIDIA. Ma ne vale la pena?
Leggi Avanti Argomenti correlati- La tecnologia spiegata
- Scheda grafica
- Nvidia
- Processore AMD
Fawad è uno scrittore freelance a tempo pieno. Ama la tecnologia e il cibo. Quando non mangia o non scrive di Windows, gioca ai videogiochi o sogna ad occhi aperti di viaggiare.
Altro da Fawad MurtazaIscriviti alla nostra Newsletter
Iscriviti alla nostra newsletter per suggerimenti tecnici, recensioni, ebook gratuiti e offerte esclusive!
Clicca qui per iscriverti