GPU和DSP报告

GPU与DSP比较M201172528吕迎GPU和DSP1GPU简介2GPU与DSP的相同点3GPU与DSP的不同点•GPU（GraphicProcessingUnit）：“图形处理器”。•NVIDIA公司在1999年发布GeForce256图形处理芯片时首先提出GPU的概念。GPUGeForce256GPU简介GPU——大规模多线程并行处理器/通用处理器(GeneralProcessingUnit)GPU是加速科学计算最快的并行处理器。GPU简介GPU的架构•GPU主要采用SIMD和MIMD两种体系架构•SIMD（SingleInstructionMultipleData）单指令多数据流。计算机在同一时刻只能执行一条指令（即只有一个控制流）、处理一个数据（即只有一个数据流）。其执行方法是让一个控制器对多个处理器进行控制，将一个指令下发到每个被控制的处理器上对不同数据进行相同的操作。•MIMD（MultipleInstructionStreamMultipleDataStream，简称MIMD）多指令多数据流，它使用多个控制器来异步地控制多个处理器，从而实现空间上的并行性。需要多个控制器对多个处理器进行控制，将每个指令下发到每个处理器上对不同数据进行处理。SIMD与MIMD•如果从纯技术角度为大家解释很难理解的话，下面我们举个例子来为大家形象讲述一下SIMD以及MIMD的各自优缺点所在，以及ATI的SIMD与NVIDIA的MIMD设计差别。•假设有一组工作被安排在了一个车间，每个车间的人数固定。其中工作“4D”需要4个人才能在一个工作日完成，工作“3D”需要3人、工作“2D”需要2人、工作“1D”需要1人。◆ATI显卡工作形式ATI的SIMD架构就好比这个车间当中5个人为一个小组，且不可拆分，并且每个小组额外配有一名组长，组长负责为小组内的5个人安排工作。如果这个小组接收到3D和2D（或4D+1D、2D+2D+1D等相加为5的组合）的工作，那么组长可以刚好安排满5个人的工作同时进行。•ATI每个流处理单元相当于一个工作小组◆NVIDIA显卡工作形式NVIDIA方面则采用了不同的方式，MIMD架构就好比车间当中的每个单独的人为一个小组，并且为每个人均配备了一位组长进行分派工作。当车间接收到任何一种工作后，均会将这些工作分摊为1D的工作，然后由每个组长为组员分配工作。•NVIDIA每个流处理核心相当于一个工作小组GPU工作过程：GPU最初的设计就能够执行并行指令，从一个GPU核心收到一组多边形数据，到完成所有处理并输出图像可以做到完全独立。由于最初GPU就采用了大量的执行单元，这些执行单元可以轻松的加载并行处理，而不像CPU那样的单线程处理。GPU工作原理GPU与DSP的相同点都是处理器支持流水线操作支持多处理器结构并行处理结构都是面向高性能、重复性、数值运算密集型的实时处理DSP可以用来实现GPU或者包含GPU的硬件系统。GPU与DSP的不同点GPU所有计算均使用浮点算法，而且目前还没有位或整数运算指令。由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号(从中读取图像)和二维地址(图像中的X、Y坐标)。GPU与DSP的不同点GPU没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。GPU与DSP的不同点GPU的通用性更低，GPU通常的设计是需要宿主机CPU的，因它没有通用功能，大都只做图像和像素运算。SIMD指令的不同DSP中的SIMD：相比通用芯片的SIMD扩展，DSP芯片的SIMD指令集一般是为了处理特定的数据结构，如声音、视频。DSP中SIMD操作对象一般都通过DMA从宿主机上先拷贝到暂存器(ScratchpadRAM)中，再在这块存储上作操作。这些指令一般不能直接访问宿主的主存。GPU与DSP的不同点GPU中的SIMD：GPU中SIMD的突出特点是支持向量宽，SIMD指令支持丰富，计算功能强大，有SIMT支持。但由于GPU一般都有自己的独立存储空间，且底层差异很大，所以可编程性差。可以通过DSP在一块板子上集成多个处理器，但是在GPU上却行不通。GPU与DSP的不同点GPU更高效的并行性这一功能主要是通过GPU多条绘制流水线的并行计算来体现的。GPU更高密集的运算GPU通常具有128位或256位的内存位宽，因此GPU在计算密集型应用方面具有更好的性能。超长图形流水线。GPU超长图形流水线的设计以吞吐量的最大化为目标（如NVIDIAGeForce3流水线有800个阶段），因此GPU作为数据流并行处理机，在对大规模的数据流并行处理方面具有明显的优势。Thankyou!