GPU

CPU VS GPU,Core Animation是如何在这两个处理器之间分配工作的?

CPU VS GPU

关于绘图和动画有两种处理的方式:CPU(中央处理器)和GPU(图形处理器)。在现代iOS设备中,都有可以运行不同软件的可编程芯片,但是由于历史原因,我们可以说CPU所做的工作都在软件层面,而GPU在硬件层面。

总的来说,我们可以用软件(使用CPU)做任何事情,但是对于图像处理,通常用硬件会更快,因为GPU使用图像对高度并行浮点运算做了优化。由于某些原因,我们想尽可能把屏幕渲染的工作交给硬件去处理。问题在于GPU并没有无限制处理性能,而且一旦资源用完的话,性能就会开始下降了(即使CPU并没有完全占用)

大多数动画性能优化都是关于智能利用GPU和CPU,使得它们都不会超出负荷。于是我们首先需要知道Core Animation是如何在这两个处理器之间分配工作的。

动画的舞台

Core Animation处在iOS的核心地位:应用内和应用间都会用到它。一个简单的动画可能同步显示多个app的内容,例如当在iPad上多个程序之间使用手势切换,会使得多个程序同时显示在屏幕上。在一个特定的应用中用代码实现它是没有意义的,因为在iOS中不可能实现这种效果(App都是被沙箱管理,不能访问别的视图)。

科普:GPU是如何工作的?与CPU、DSP有什么区别?

GPU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)。GPU使显卡减少了对CPU的依赖,并进行部分原本CPU的工作,尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等,而硬体T&L技术可以说是GPU的标志。

工作原理

【科普】 GPU是如何工作的?

早在1990年,无处不在的交互式3D图形还只是科幻小说里的东西。十年后,基本上每台新电脑都包含一个图形处理单元(GPU,即Graphics processing unit)。直到今天,GPU的原始计算能力已经超越最强大的CPU,并且差距还在稳步增大。今天,GPU可以直接使用图形硬件来实现许多并行算法。那些利用底层计算能力的适当的算法常常会获得巨大的速度提升。

任何3D图形系统的任务都是根据一个场景的描述来合成一张图片 --- 对实时渲染图形学(例如游戏)来说是每秒60张。这个场景包含了可观察的几何图元以及灯光照亮场景的描述,每个对象反射光照的方式和观察者的位置、朝向。

图形管线输入

大多数实时图形系统假设所有东西都是由三角形组成的,它们首先将任何复杂的形状(例如四边形,曲面)划分为三角形。开发者使用图形库(例如OpenGL或者Direct3D)将每个三角形传递给图形管线,每次传递一个顶点,GPU根据需要将顶点组合成三角形。

模型转换

GPU与GPGPU泛淡

GPU与GPGPU泛淡

GPU(Graphics Processing Unit),也即显卡,是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上作图像运算工作的微处理器。它已经是个人PC和移动设备上不可或缺的芯片,有界面有显示的地方,一般就离不开它。高清电视、智能手机、个人电脑。

GPU的产生是为了解决图形渲染效率的问题,但随着技术进步,GPU越来越强大,尤其是shader出现之后(这个允许我们在GPU上编程),GPU能做的事越来越多,不再局限于图形领域,也就有人动手将其能力扩展到其他计算密集的领域,这就是GP(General Purpose)GPU。

考虑到当下,图形领域的技术人员对GPU已经是很熟悉了,其他那些关心GPU的,无非是向往GPU的强大并行运算能力,想利用它做通用计算的,因此,本文会特别提GPGPU。

架构与生态

PowerVR 25周年---图形技术革新传奇

令人兴奋的是Imagination PowerVR技术已经迎来了它25周年纪念日——25年来一直引领着图形技术。为了庆祝这个纪念日,我们一起回顾PowerVR技术的发展历程,它是如何诞生并且发展到现在的阶段。

20世纪90年代图形技术进入到爆发式创新和增长阶段。在那个时期我们见证了第一款商业图形处理器支持3D渲染、视频和GUI加速,提供2D和3D图形开放应用程序接口(API)。很多新兴的公司涌入这个市场,经过不断的创新,图形技术不仅仅局限于个人电脑(PC)和游戏机设备,也开始应用到移动设备中。

在众多加入到半导体市场的新兴公司中,有一家公司名叫“VideoLogic(视频逻辑)”,成立于20世纪80年代,办公地点位于英国。起初这家公司专注于视频开发(公司因此得名),除了内部自己开发的技术还借助一些第三方解决方案。1992年夏天,也就是25年前,该公司启动了一个图形技术方面的新项目。这个项目最后演变为了PowerVR,提供了一种全新的3D渲染方法,我们相信这将给我们带来非常大的领先优势。

GPU渲染管线与shader

1、几何阶段(顶点shader处理这部分)

模型坐标空间-世界坐标空间-观察坐标空间-屏幕坐标空间
其中从观察空间 到 屏幕空间需要经过3步(CVV单位立方体,规范立方体)
a用透视变换矩阵把顶点从视锥体中变换到裁剪空间(齐次空间,用齐次坐标表示);
b在 裁剪空间进行图元裁剪;(这里就是视域剔除View Frustum Culling),然后齐次空间除w把点转换到CVV中
c屏幕映射:将经过前述过程得到的坐标映射到屏幕坐标系上

GPU渲染管线与shader

顶点着色程序从GPU 前端模块(寄存器)中提取图元信息(顶点位置、法
向量、纹理坐标等),并完成顶点坐标空间转换、法向量空间转换、光照计算等
操作,最后将计算好的数据传送到指定寄存器中;然后片断着色程序从中获取需
要的数据,通常为“纹理坐标、光照信息等”,并根据这些信息以及从应用程序传
递的纹理信息(如果有的话)进行每个片断的颜色计算,最后将处理后的数据送
光栅操作模块。

虽然已经被提及了很多次,但是这家与ARM一起同属于英国最好的、却低调得多的半导体公司,确是因为苹果在4月初宣布的负面消息推到了新闻风口,而他们以一场于4月26日在深圳举办的媒体见面会表示自己要开始全新的征程,即使离开苹果也能过得很好。

01、PowerVR:第一次在中国首发GPU内核,带来近似电影特效的画面感

苹果在4月初宣布的是将在两年内逐步放弃使用Imagination的GPU PowerVR,虽不是立即停用,但也给他们带来可称得上是灾难性的打击。在本次交流会上,Imagination的市场传播副总裁David Harold也表示,Imagination的年营收为1.2亿英镑,而来自苹果的收入占比接近50%。

在本次交流会上,Imagination发布了一款基于Furian架构的PowerVR内核GT8525。Furian是Imagination在3月初于美加州举办的年度技术峰会上公布的全新GPU架构,支持机器学习、图像识别、4K/120fps超高清视频流解析。不过Imagination在技术峰会上并没有公布基于这一全新架构的任何商用产品。

4月26日,Imagination媒体分享会于深圳蛇口希尔顿南海酒店举行,公司营副总裁David透露:去年中国区业务增长3倍,有很多新客户采用PowerVR GPU,未来公司将加大中国区投入,中国区人员将增长50%。



Imagination:SoC GPU的崛起和重新调整

2017年3月初, Imagination举办了年度技术峰会。在会议上,我们的高层主管人员和合作伙伴进行了为期一天的讨论。讨论的主题范围广泛,从增强现实(AR)和虚拟现实(VR),再到异构计算和物联网安全,均有涉及。当然,我们还讨论了PowerVR GPU IP的最新发展趋势,该IP在性能和功效方面将继续保持行业领先。

在会上,PowerVR商务部高级主管克里斯托夫·比茨发表了演讲,题为:“有升必有落:SoC GPU的崛起和重新调整。”本文便是基于这篇演讲。在本文中,我们将谈论技术和市场力量如何塑造SoC GPU的需求;以及根据特定细分市场的需求和优先事项,GPU需求如何变化。我们将提出一些有根据的推测,展示2025年SoC图像使用案例。

正如我们在Imagination所了解的,由于智能手机的驱动,嵌入式GPU在新世纪头十年的中期经历了巨大的发展,我们将原PowerVR MBX内核用于移动设备和 PowerVR SGX继承版。有了这些突破性的开端,以后每一代新硬件的性能都大幅提升。消费者也迅速适应具有高质量、流畅的帧速率及功效的游戏。

不过,创建游戏的软件开发人员总是寻求可以展示更高视觉质量的方法,同样,消费者的要求也越来越高。目前,任何使用显示屏的给定设备,无论是智能手机还是车载娱乐系统,都对高质量的图像效果有了很高的期待。

集成之路怎么走?“摩尔定律Plus”接班

据TechCrunch报道,我们现在正处于计算领域真正的转折点上,我们正在使用的技术每天都在进化。嵌入式传感器和网络接入的快速融入,正将我们使用的大部分电器变成“智能设备”,它们可对我们的语音指令做出回应,同时产生的大量数据又可在尖端网络计算机或云端进行分析。

我们看到虚拟现实(VR)和增强现实(AR)技术已经被开始采用,这些技术要求大量计算和图形处理能力才能为人类提供更真实的生活体验。加上机器学习的应用,它可通过大量数据训练及时提供符合情境的信息,或是接管大量普通任务。这些新的应用都在对计算机行业发起挑战,它需要在改进承受水平的情况下提供更多计算能力。

然而,提供更多计算能力存在巨大挑战,因为摩尔定律中半导体更新换代的步伐已经减缓。所谓摩尔定律,是指通过缩小电路体积、改进性能以及能源效率,集成电路上可容纳的元器件数量每2年就会增加一倍。过去,半导体技术非常依赖下一代计算机芯片,而这些芯片的价格更便宜,速度也更快。

同步内容
--电子创新网--
粤ICP备12070055号