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。
Draw Call 本身的含义很简单，就是CPU调用图像编程接口，如OpenGL 中的glDrawElements 命令或者DirectX 中的DrawlndexedPrimitive命令，以命令GPU 进行渲染的操作。
如果没有流水线化，那么CPU需要等到GPU完成上一个渲染任务才能再次发送渲染命令。但这种方法显然会造成效率低下。我们需要让CPU和GPU可以并行工作。而解决方法就是使用一个命令缓冲区（Command Buffer）。
近几十年来，图形处理器（GPU）已从最初作为大型电玩的视频显示适配器演进为一个强大的计算中心，并且正在推动人工智能和机器学习的发展，包括从石油和天然气勘探到自然语言处理等众多领域的计算工作。如今，GPU正在自动驾驶和先进驾驶辅助系统（ADAS）技术的发展中扮演着越来越重要的作用。
除了 CPU(中央处理器)以外，SoC(System On a Chip：片上系统)另一个重要的组成部分是图像处理单元(Graphical Processing Unit)，就是俗称的 GPU。大家或许都知道玩 3D 游戏少不了它，但具体发挥什么作用也许说不清楚，这回我们就来揭开 GPU 的神秘面纱。
今天介绍一种新的GPU多卡计算的通信优化算法——Ring Allreduce。先来讲一下常规的GPU多卡分布式计算的原理。
GPU的另一个重要参数是浮点计算能力。浮点计数是利用浮动小数点的方式使用不同长度的二进制来表示一个数字，与之对应的是定点数。同样的长度下浮点数能表达的数字范围相比定点数更大，但浮点数并不能精确表达所有实数，而只能采用更加接近的不同精度来表达。
本文对CPU与GPU中的逻辑架构进行了对比。其中Control是控制器、ALU算术逻辑单元、Cache是cpu内部缓存、DRAM就是内存。GPU设计者将更多的晶体管用作执行单元，而不是像CPU那样用作复杂的控制单元和缓存。从实际来看，CPU芯片空间的5%是ALU，而GPU空间的40%是ALU。这也是导致GPU计算能力超强的原因。
GPU呈现模式分析中颜色的意义：本文分别介绍了使用运行 Android 6.0 及更高版本、Android 4.0 和 5.0的设备时分析器输出中某个竖条的每个区段。
正如大多数人所知道的，GPU的处理速度之快得益于它可以高效地处理矩阵乘法和卷积，但是大家并不一定知道真正的理由。GPU如此快速的真正原因是内存带宽和不必要的并行。
CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。