33.7K
7979
GPU
对图像进行处理的相关计算。
1999年，美国英伟达公司推出世界上第一款图像处理器芯片。2001年，科学计算开发人员从矩阵乘法运算着手GPU通用计算。2008年，英伟达推出支持CUDA的Tesla架构显卡之后，GPU迅速转向实用，在计算力学、地质科学、生命科学、雷达遥感、计算金融等领域得到应用。
21世纪以来，GPU已经成为高性能计算的重要角色。2017年11月最新的TOP500数据显示，世界排名前500的超级计算机中，有87台采用了GPU协处理器。Volta架构动摇了2018年的TOP500版图，它的性能飞越能够重新定义超级计算机：过去，千万亿次计算意味着一个机房、一个集群，现在仅需要一个8卡GPU节点就能实现。
GPU微架构以高度并发为基础特征，其并行编程模型主要是CUDA和OpenCL。前者是一个配备完整工具包、针对单一供应商（英伟达）的成熟开发平台，具有统一的开发套件（CUDA Toolkit、NVIDIA GPU Computing SDK、NSight等）、非常丰富的库（cuBLAS、cuFFT、cuSPARSE、cuRAND、NPP、Thrust、NCCL等）以及PTX汇编代码生成、离线编译等成熟的编译器特性；后者是一个有着开放的标准，具有跨平台性和通用性，支持包括Nvidia、AMD、Intel、Qualcomm、ARM在内的多类处理器，能够更好地支持异构计算。
GPU的出现和发展，与传统CPU形成了强烈的对比和有效互补。CPU擅长处理具有复杂控制逻辑的任务，如操作系统、通用应用程序；而GPU擅长处理大量同类型数据上的密集数值计算。GPU的定位仍旧是CPU的加速器/协处理器，但是考虑到阿姆达尔定律，整体加速受限于不可并行的部分，应当尽量减少程序中的串行处理。
