GPU

GPU，全称为图形处理单元（Graphics Processing Unit），是一种专用于处理图形和图像计算的处理器。起初，GPU主要用于图形渲染，但随着计算需求的增加，尤其是在科学计算、深度学习和其他并行计算领域，GPU的通用计算能力逐渐受到重视。

GPU相对于传统的中央处理单元（CPU）在设计上有一些显著的区别。CPU更适用于处理通用的控制流任务，而GPU则专注于高度并行的数据处理。GPU通常拥有大量的小型处理单元，被设计成能够同时处理大量相似的任务，例如图形渲染中的像素计算或深度学习中的矩阵运算。

总体而言，GPU在图形处理领域的成功应用和对并行计算需求的响应使其逐渐演变成为通用计算设备，广泛用于加速各种科学和工程计算应用。

深度揭秘："万物GPU"（The GPU of Everything）

demi 在 周一, 04/27/2020 - 14:23 提交

几个月前，Imagination在其“Inspire年度技术大会”上发布了全新的第十代PowerVR图形处理架构IMG A系列（IMG A-Series）。IMG A系列GPU具有多维度的可扩展性、低功耗图形处理和计算性能，是一系列垂直应用领域的理想解决方案，可支持手机、平板电脑、游戏、汽车、机顶盒、8K超高清电视、桌面处理器、服务器等应用......

IMG 直播课：解密Imagination全新一代GPU图形图像技术

demi 在 周一, 04/20/2020 - 17:40 提交

去年12月Imagination 公司发布了最新的GPU架构——A系列。与上一代产品相比，新产品在性能上提高2.5倍， AI处理速度提高8倍，功耗降低60%，是当今市场上最快的GPU IP。在本次直播课中，我们将深入探讨A系列架构，探索其新功能和指令集，并讨论如何充分利用其行业领先的图形和计算性能。

如何获得最佳的GPU存储性能

demi 在 周三, 03/18/2020 - 12:33 提交

支持AI人工智能和ML机器学习部署的数据中心依靠基于图形处理单元（GPU）的服务器为其计算密集型架构提供支持。到2024年，在多个行业中，GPU使用量的增长将使GPU服务器的复合年增长率超过31％。这意味着将有更多的系统架构师承担承担相应的职责，以确保GPU系统具有最高的性能和成本效益。

IMG A系列GPU的HyperLane（超线程）技术

demi 在 周二, 03/17/2020 - 10:30 提交

几个月前我们推出了IMG A系列，它是我们最新的GPU IP，具有多维度的可扩展性、低功耗的图形和计算性能，我们认为它是一系列应用市场的理想解决方案，从移动手机、平板电脑、游戏到汽车、DTV（数字电视）、服务器等应用。因此，我们将其称为“万物的GPU”。

为什么 GPU 进行矩阵操作和卷积操作会比 CPU 要快？

demi 在 周四, 01/16/2020 - 14:49 提交

比较 GPU 和 CPU ，就是比较它们两者如何处理任务。CPU 使用几个核心处理单元去优化串行顺序任务，而 GPU 的大规模并行架构拥有数以千计的更小、更高效的处理单元，用于处理多个并行小任务。CPU 拥有复杂的系统指令，能够进行复杂的任务操作和调度，两者是互补关系，而不能相互代替。

Imagination David Harold：AI“芯”应用大而广，汽车是2020年GPU市场“重头戏”

demi 在 周三, 01/15/2020 - 09:46 提交

最初，我们预计摄像头和汽车会成为核心市场，但实际上，现在从已经签署了我们神经网络加速器（NNA）技术的很多授权生意来看，所涉及的领域相当广泛，从以书写识别和人脸解锁为主要应用案例的移动设备，到非常关注目标识别和分类的摄像头和汽车，再到传感器、工业和移动边缘计算，皆有所覆盖。