AMD számítási egységek vs. Nvidia CUDA magok: Mi a különbség?

Ha követte az Nvidiát és az AMD -t, akkor valószínűleg ismeri a GPU -k specifikációit, amelyeket mindkét vállalat szeret használni. Például az Nvidia szereti hangsúlyozni a CUDA magszámát, hogy megkülönböztesse kínálatát az AMD kártyáitól, míg az AMD ugyanezt teszi a számítási egységeivel.

De mit is jelentenek valójában ezek a kifejezések? A CUDA mag ugyanaz, mint a számítási egység? Ha nem, akkor mi a különbség?

Válaszoljunk ezekre a kérdésekre, és nézzük meg, miben különbözik az AMD GPU az Nvidia -tól.

A GPU általános felépítése

Minden GPU, legyen az AMD, Nvidia vagy Intel, általában ugyanúgy működik. Ugyanazokkal a kulcskomponensekkel rendelkeznek, és ezek általános elrendezése magasabb szinten hasonló.

Tehát felülről lefelé nézve minden GPU azonos.

Ha megvizsgáljuk azokat a sajátos, saját tulajdonú összetevőket, amelyeket minden gyártó a GPU -jába csomagol, a különbségek kezdenek feltűnni. Például az Nvidia a Tensor magokat beépíti a GPU -kba, míg az AMD GPU -k nem rendelkeznek Tensor magokkal.

Hasonlóképpen, az AMD olyan összetevőket használ, mint az Infinity Cache, amelyekkel az Nvidia GPU -k nem rendelkeznek.

Tehát, hogy megértsük a különbséget a számítási egységek (CU) és a CUDA magok között, először meg kell vizsgálnunk a GPU általános architektúráját. Amint megértjük az architektúrát és látjuk a GPU működését, világosan látjuk a különbséget a számítási egységek és a CUDA magok között.

Hogyan működik a GPU?

Az első dolog, amit meg kell értenie, hogy a GPU több ezer vagy akár millió utasítást dolgoz fel egyszerre. Ezért a GPU -nak sok kicsi, nagyon párhuzamos magra van szüksége az utasítások kezeléséhez.

Ezek a kis GPU -magok különböznek a nagy CPU -magoktól, amelyek magonként egy -egy összetett utasítást dolgoznak fel.

Például egy Nvidia RTX 3090 10496 CUDA maggal rendelkezik. Másrészt a csúcsminőségű AMD Threadripper 3970X csak 64 maggal rendelkezik.

Tehát nem tudjuk összehasonlítani a GPU magokat a CPU magokkal. Elég sokan vannak különbségek a CPU és a GPU között mert a mérnökök különböző feladatok elvégzésére tervezték őket.

Továbbá, egy átlagos CPU -val ellentétben, az összes GPU mag klaszterekbe vagy csoportokba van rendezve.

Végül egy GPU -n lévő maghalmaz más hardverkomponenseket is tartalmaz, például textúrafeldolgozó magokat, lebegőpontos egységeket és gyorsítótárakat

hogy több millió utasítást dolgozzon fel egyszerre. Ez a párhuzamosság határozza meg a GPU architektúráját. Az utasítás betöltésétől a feldolgozásáig a GPU mindent megtesz a párhuzamos feldolgozás elvei szerint.

• Először a GPU kap utasításokat a feldolgozásra az utasítások sorából. Ezek az utasítások szinte mindig túlnyomórészt vektorokkal kapcsolatosak.
• Ezután ezen utasítások megoldásához egy szálütemező továbbítja azokat az egyes központi fürtöknek feldolgozásra.
• Miután megkapta az utasításokat, a beépített központi fürtütemező hozzárendeli az utasításokat a magokhoz vagy a feldolgozó elemekhez feldolgozásra.
• Végül a különböző magcsoportok különböző utasításokat dolgoznak fel párhuzamosan, és az eredmények megjelennek a képernyőn. Tehát a képernyőn látható összes grafika, például egy videojáték, csak milliónyi feldolgozott vektor gyűjteménye.

Röviden, egy GPU több ezer feldolgozási elemet tartalmaz, amelyeket klaszterekbe rendezett magoknak nevezünk. Az ütemezők munkát rendelnek ezekhez a klaszterekhez a párhuzamosság elérése érdekében.

Mik azok a számítási egységek?

Amint azt az előző szakaszban láttuk, minden GPU rendelkezik feldolgozó elemeket tartalmazó maghalmazokkal. Az AMD ezeket az alapvető klasztereket „számítási egységeknek” nevezi.

www.youtube.com/watch? v = uu-3aEyesWQ & t = 202s

A számítási egységek olyan feldolgozási erőforrások gyűjteménye, mint a párhuzamos aritmetikai és logikai egységek (ALU-k), gyorsítótárak, lebegőpontos egységek vagy vektoros processzorok, regiszterek és némi memória a szál tárolására információ.

Az egyszerűség kedvéért az AMD csak a GPU -k számítási egységeinek számát hirdeti, és nem részletezi a mögöttes összetevőket.

Tehát, amikor látja a Számítási Egységek számát, gondoljon rájuk a feldolgozási elemek és az összes kapcsolódó összetevő csoportjaként.

Mik azok a CUDA magok?

Ahol az AMD szereti egyszerűsíteni a dolgokat a számítási egységek számával, az Nvidia bonyolítja a dolgokat olyan kifejezések használatával, mint a CUDA magok.

A CUDA magok nem pontosan magok. Ezek csak lebegőpontos egységek, amelyeket az Nvidia szeret magoknak nevezni marketing célokra. És ha emlékszel, a maghalmazokban sok lebegőpontos egység van beépítve. Ezek az egységek vektoros számításokat végeznek, és semmi mást.

Tehát „magnak” nevezni őket tiszta marketing.

Ezért a CUDA mag egy olyan feldolgozó elem, amely lebegőpontos műveleteket hajt végre. Sok CUDA mag lehet egymagos fürtön belül.

Végül az Nvidia alapvető klasztereket hív "Streaming multiprocesszorok vagy SM -ek." Az SM -ek egyenértékűek az AMD számítási egységekkel, mivel a számítási egységek maguk is alapvető klaszterek.

Mi a különbség a számítási egységek és a CUDA magok között?

A fő különbség a számítási egység és a CUDA mag között az, hogy az előbbi magcsoportra, az utóbbi pedig egy feldolgozó elemre utal.

Hogy jobban megértsük ezt a különbséget, vegyünk példát egy sebességváltóra.

A sebességváltó több fokozatból álló egység. A sebességváltót számítási egységnek, az egyes fogaskerekeket pedig CUDA magok lebegőpontos egységeinek tekintheti.

Más szóval, ahol a számítási egységek összetevők gyűjteménye, a CUDA magok a gyűjteményen belül meghatározott összetevőt képviselnek. Tehát a számítási egységek és a CUDA magok nem összehasonlíthatók.

Ez az oka annak is, hogy amikor az AMD megemlíti a GPU -k számítási egységeinek számát, azok mindig meglehetősen alacsonyabbak a versengő Nvidia kártyákhoz és a CUDA magszámához képest. Kedvezőbb összehasonlítás lenne az Nvidia kártya Streaming Multiprocesszorai és az AMD kártya Számítási Egységei között.

Összefüggő: AMD 6700XT vs. Nvidia RTX 3070: Melyik a legjobb GPU 500 dollár alatt?

A CUDA magok és számítási egységek különbözőek és nem összehasonlíthatók

A vállalatoknak szokásuk zavaros terminológiát használni, hogy termékeiket a legjobb fényben mutassák be. Ez nemcsak megzavarja az ügyfelet, hanem megnehezíti a fontos dolgok nyomon követését is.

Tehát győződjön meg róla, hogy mit keres, amikor GPU -t keres. Ha távol marad a marketing szakzsargontól, sokkal jobb és stresszmentes lesz a döntése.

Érdemes az NVIDIA 30 -as sorozatú grafikus kártyáit frissíteni?

Ha játékos, akkor kísértésbe eshet, hogy frissítse grafikus kártyáját az NVIDIA 30 -as sorozatára. De megéri -e?

Olvassa tovább

A szerzőről