Win系统 - 关于GPU,你需要长的“姿势”

简介: Win系统 - 关于GPU,你需要长的“姿势”

图形处理单元(或简称GPU)会负责处理从PC内部传送到所连接显示器的所有内容,无论你在玩游戏、编辑视频或只是盯着桌面的壁纸,所有显示器中显示的图像都是由GPU进行渲染的。本文系统极客将向大家介绍什么是GPU、它是如何工作的,以及为什么要为游戏和图像密集型应用程序配置专用显卡。

image.png


对普通用户来说,实际上不需要独立显卡就可以向显示器「提供」内容。像笔记本电脑或平板用户,通常CPU芯片都会集成GPU内核,也就是大家熟称的「核显」,这样就可以为对显示要求不高的低功耗设备提供更好的性价比。

正因如此,部分笔记本电脑、平板电脑和某些PC用户来说,要想将其图形处理器升级到更高级别也很困难,甚至不太可能。这就会导致游戏(和视频编辑等)性能不佳,只能将图形质量设置降低才能工作。对此类用户而言,只有在主板支持和空闲空间足够的情况下,添加新显卡才能够把(游戏)显示体验提高到一个新的水平。


CPU VS GPU

image.png


目前市场上占主导地位的两大GPU厂商是AMD和Nvidia,AMD的前身就是大名鼎鼎的ATI,其Radeon品牌早在1985年就已发布,而Nvidia在1999年才发布了其首款GPU产品。AMD于2006年对ATI进行了收购,目前在两个不同的领域同Nvidia和Intel进行竞争。实际上在选购GPU产品时Nvidia和AMD并没有太大区别,完全取决于用户的个人喜好。

继Nvidia发布的GTX 10系列推出一堆新产品后,AMD也以提供更实惠的价格与其竞争,并预计在不久的将来就会推出自己的高端图形解决方案。通常情况下,此类科技厂商都会在高端产品上并行竞争和一较高下,此外Intel也在芯片中不断推进自己的图形解决方案,但用户通常还是会选择A卡或N卡。

 

GPU 工作


image.png


GPU目前已成为PC内部最强大的组件之一,其性能大部分都来自于VRAM。由于独立显卡使用的显示内存独立于计算机内存,这些存储器模块允许快速存储和接收数据,而不必再通过CPU路由到主板上插的内存。

虽然显卡内存与计算机内存相似,但却完全不同,例如:支持DDR4内存的主板也可能会支持GDDR5 RAM的显卡。显卡上的VRAM用于在卡上快速存储和访问数据,以及为显示器缓冲渲染帧。其还有助于降低影响屏幕上近似数据的「锯齿状边缘」以实现抗锯齿,使图像看起来更平滑。

 

GPU 散热


image.png


要利用好GPU的原始设计效能必需有大量供电,大量用电就意味着大量发热。显卡(或处理器)产生的热量是以热设计功耗(或简称TDP)和瓦特为单位测量的。但商家对产品的标称并不是直接所需的功耗值,例如新的GTX 1080标称为180W TDP等级,但这并不意味着它需要180W的功率。

之所以提醒大家关心这个值是因为,具有较高TDP的GPU用到有限空气流动的紧凑空间中可能会导致散热问题。特别是对GPU超频的用户来说,需要有足够的冷却手段来处理增加的热量,才能让其稳定运行。

 

GPU 术语

网络异常,图片无法展示
|


架构:GPU基于的平台(或技术)。一般由GPU厂商进行定义,如AMD 的Polaris架构。

显存带宽:它决定了GPU如何有效地利用可用的VRAM。显卡可以使用GDDR5内存,但如果没有有效地利用带宽仍然会有瓶颈。

纹理填充率:指GPU在单位时间内所能处理的纹理贴图的数量,单位是MTexels/S,由内核时钟乘以可用纹理映射单元(TMU)确定。

内核/处理器:显卡上可用的并行内核(或处理器)数。

核心时钟:与CPU的时钟速率类似,通常该值越高GPU则能够更快地工作。

SLI/CrossFire:SLI和CrossFire分别是Nvidia和AMD使用的技术,它们允许用户安装多块GPU卡并协同工作。

Ps:显卡解决图形问题和其他任务的众多核心都是专门设计的,强大的显卡和GPU可以为游戏提供更高的保真度和分辨率,虽然它比CPU更强大,但实际只能用于特定的应用程序。

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
机器学习/深度学习 并行计算 安全
2023 年最佳多 GPU 深度学习系统指南
2023 年最佳多 GPU 深度学习系统指南
170 1
|
并行计算 PyTorch Linux
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch(CUDA 12.1)快速安装
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch(CUDA 12.1)快速安装
6465 0
|
并行计算 PyTorch Linux
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统快速安装指南
pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统快速安装指南
3685 0
|
视频直播 芯片 异构计算
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
总而言之,对于直播系统源码来说,GPU加速功能是提升实时图像质量和观看体验的重要手段,是不可或缺的重要功能技术之一。
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
|
机器学习/深度学习 人工智能 Linux
Linux和Windows系统下安装深度学习框架所需支持:Anaconda、Paddlepaddle、Paddlenlp、pytorch,含GPU、CPU版本详细安装过程
Linux和Windows系统下安装深度学习框架所需支持:Anaconda、Paddlepaddle、Paddlenlp、pytorch,含GPU、CPU版本详细安装过程
Linux和Windows系统下安装深度学习框架所需支持:Anaconda、Paddlepaddle、Paddlenlp、pytorch,含GPU、CPU版本详细安装过程
|
机器学习/深度学习 并行计算 Ubuntu
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
系统类配置(五)【ubuntu14.04下安装cuda8+nvidia-410.78+cudnn6.0 +tensorflow-gpu==1.4.0。】
100 0
|
机器学习/深度学习 并行计算 Ubuntu
Ubuntu18.04系统下最新版GPU环境配置详细教程
Ubuntu18.04系统下最新版GPU环境配置详细教程
450 0
|
8天前
|
弹性计算 人工智能 Serverless
阿里云ACK One:注册集群云上节点池(CPU/GPU)自动弹性伸缩,助力企业业务高效扩展
在当今数字化时代,企业业务的快速增长对IT基础设施提出了更高要求。然而,传统IDC数据中心却在业务存在扩容慢、缩容难等问题。为此,阿里云推出ACK One注册集群架构,通过云上节点池(CPU/GPU)自动弹性伸缩等特性,为企业带来全新突破。
|
3月前
|
机器学习/深度学习 编解码 人工智能
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析
随着人工智能、大数据和深度学习等领域的快速发展,GPU服务器的需求日益增长。阿里云的GPU服务器凭借强大的计算能力和灵活的资源配置,成为众多用户的首选。很多用户比较关心gpu云服务器的收费标准与活动价格情况,目前计算型gn6v实例云服务器一周价格为2138.27元/1周起,月付价格为3830.00元/1个月起;计算型gn7i实例云服务器一周价格为1793.30元/1周起,月付价格为3213.99元/1个月起;计算型 gn6i实例云服务器一周价格为942.11元/1周起,月付价格为1694.00元/1个月起。本文为大家整理汇总了gpu云服务器的最新收费标准与活动价格情况,以供参考。
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析
|
6天前
|
弹性计算 异构计算
2024年阿里云GPU服务器多少钱1小时?亲测价格查询方法
2024年阿里云GPU服务器每小时收费因实例规格不同而异。可通过阿里云GPU服务器页面选择“按量付费”查看具体价格。例如,NVIDIA A100的gn7e实例为34.742元/小时,NVIDIA A10的gn7i实例为12.710156元/小时。更多详情请访问阿里云官网。
39 2

热门文章

最新文章