Mga Key Takeaway
- Ang mga GPU ay parang mga bus: mas mabagal kaysa sa mga sports car, ngunit mas mahusay sa paglipat ng maraming numero nang magkatulad.
- GPU ang ginagamit sa machine learning, gamot, image processing, at mga laro.
- Ang Iris Xe Max ng Intel ay idinisenyo upang gawing mas malakas ang mga laptop para sa mga creator at AI.
Ang bagong Iris Xe Max Graphics Processor Unit ng Intel ay lumalabas na ngayon sa mga laptop, at sa lahat ng mga account, ito ay isang malaking bagay. Ngunit ano ang isang GPU, at bakit ito mahalaga? Spoiler: Hindi ito tungkol sa mga laro, o kahit na mga graphics.
Ang CPU sa iyong computer, ang gumagawa ng pang-araw-araw na gawain, ay mahal, at lubos na dalubhasa. Ang isang GPU, sa kabilang banda, ay talagang, talagang mahusay sa matematika. Sa partikular, maaari nilang i-multiply ang malalaking numero, at maaari silang magsagawa ng marami, maraming operasyon nang magkatulad. Ginagawa nitong mahusay ang mga ito para sa pagbuo ng mga kumplikadong 3D graphics, ngunit ginagamit ang mga ito para sa higit pa.
"Ang mga GPU ay mahusay para sa malaking data, machine learning, at pagpoproseso ng imahe," sinabi ng 3D animator na si David Rivera sa Lifewire sa pamamagitan ng instant message. "Marami akong kasamahan na gumagamit nito sa medisina para makakuha ng mga resulta ng MRI."
Big Math, Big Pictures
Anumang bagay na nangangailangan ng maraming kumplikadong matematika ay perpekto para sa pag-offload sa GPU.
"Karaniwan ay napakalakas ng graphics dahil napakakomplikado ng pagkalkula ng mga bagay na 3D na video," sinabi ng computer engineer na nakabase sa Barcelona na si Miquel Bonastre sa Lifewire sa pamamagitan ng instant message. Ngunit sa lalong madaling panahon, napagtanto ng mga computer boffin na ang mga math machine na ito ay maaaring gamitin para sa lahat ng uri ng math-intensive na gawain.
"Ngayon, ginagawa na rin ang mga supercomputing cluster gamit ang mga GPU. Ginagamit ang mga ito para sa mga siyentipikong kalkulasyon, engineering, atbp, " sabi ni Bonastre. Ang isa pang bentahe ng GPU ay madali itong i-scale up. Ito ay ginawa upang magpatakbo ng magkatulad na operasyon nang magkatulad, kaya ang pagdaragdag ng higit pang mga chip (o higit pang mga core sa disenyo ng chip, na ginagawa itong mas malaki) ay nagpapabilis ng lahat.
Mahusay din ang A GPU para sa pagproseso ng mga litrato. Halimbawa, ang Adobe's Lightroom photo-editing suite ay maaaring mag-offload ng trabaho sa iyong Mac o graphics processor ng PC upang "magbigay ng makabuluhang pagpapahusay ng bilis sa mga high-resolution na display," na kinabibilangan ng 4K at 5K na monitor.
"Ang mga CPU ay na-optimize para sa latency: upang matapos ang isang gawain nang mas mabilis hangga't maaari," sulat ng AI consultant na si Ygor Rebouças Serpa. "Ang mga GPU ay na-optimize para sa throughput: mabagal ang mga ito, ngunit gumagana ang mga ito sa maramihang data nang sabay-sabay." Inihahambing ni Serpa ang isang CPU sa isang sports car, at isang GPU sa isang bus. Ang bus ay mas mabagal, ngunit maaari itong maglipat ng mas maraming tao.
Ano ang Tungkol sa Iyong Telepono?
Ginagamit ang GPU sa iyong telepono para himukin ang super high-resolution na display nito, at para patakbuhin ang mga graphics. Iyon ang dahilan kung bakit umiinit ang telepono kapag naglalaro ka-papasok ang GPU, at walang fan ang iyong telepono upang palamig ito.
Sa iPhone, ang GPU ay ginagamit para sa pagkilala ng larawan, natural na pag-aaral ng wika, at pagsusuri ng paggalaw. Ibig sabihin, pinoproseso nito ang mga larawan at video habang kinukunan mo ang mga ito, at higit pa.
Mahusay ang GPU para sa malaking data, machine learning, at pagpoproseso ng larawan.
Ngunit hindi lang iyon. Ang mga kamakailang iPhone at iPad ng Apple ay naglalaman ng "Neural Engine." Ito ay isang malaking chip, na espesyal na idinisenyo upang magsagawa ng mga gawain sa machine-learning. Ito ay hindi isang GPU, ngunit ito ay tulad ng GPU sa konsepto, dahil ito ay nakakaranas ng mahihirap na problema sa matematika nang wala sa oras. Ang pinakabagong bersyon ay, ayon sa Apple, "may kakayahang magsagawa ng hanggang 11 trilyong operasyon bawat segundo."
Machine Learning
Marahil ang pinakamalaking buzzword sa computing ngayon ay "machine learning." Kabilang dito ang pagpapakita sa computer ng maraming halimbawa, at pagpapaalam sa computer na gawin ang mga pagkakatulad at pagkakaiba. Ang mga GPU ay perpekto para dito dahil maaari silang tumingin ng higit pang mga halimbawa bawat segundo. Gayunpaman, kapag tapos na ang pagsasanay na iyon, hindi na kailangan ang GPU. Ang anumang natutunang algorithm ay maaaring patakbuhin ng CPU nang mas mabilis.
Ngayon, bumalik tayo sa bagong Iris Xe Max GPU ng Intel. Idinisenyo ito para sa pagtakbo sa "mga manipis at magaan na laptop at [upang] tugunan ang lumalaking segment ng mga creator na gustong mas madaling dalhin," sabi ni Intel Vice President Roger Chandler sa isang pahayag. Ibig sabihin, nilayon nitong gawing mas mahusay ang mga power-constrained na laptop para sa pag-edit ng video, mga larawan, at anumang iba pang aktibidad na masinsinang GPU. Oo, kasama ang AI.
Ang Iris Xe Max ay idinisenyo para sa machine learning. Marahil ang unang gawain nito ay ang matutunan kung paano bigkasin ang sarili nitong pangalan.
