Výpočetní jednotky AMD vs. Jádra Nvidia CUDA: Jaký je rozdíl?

Pokud sledujete Nvidia a AMD, pravděpodobně víte o specifikacích jejich GPU, které obě tyto společnosti rády používají. Například Nvidia ráda zdůrazňuje počet jader CUDA, aby odlišila svou nabídku od karet AMD, zatímco AMD dělá to samé se svými výpočetními jednotkami.

Co ale tyto pojmy vlastně znamenají? Je jádro CUDA totéž jako výpočetní jednotka? Pokud ne, tak v čem je rozdíl?

Pojďme si odpovědět na tyto otázky a uvidíme, čím se AMD GPU liší od Nvidie.

Obecná architektura GPU

Všechny GPU, ať už od AMD, Nvidia nebo Intel, fungují obecně stejně. Mají stejné klíčové komponenty a celkové rozložení těchto komponent je podobné na vyšší úrovni.

Takže z pohledu shora dolů jsou všechny GPU stejné.

Když se podíváme na konkrétní, proprietární komponenty, které každý výrobce zabalí do svého GPU, začnou se objevovat rozdíly. Například Nvidia integruje jádra Tensor do svých GPU, zatímco GPU AMD nemají jádra Tensor.

Podobně AMD používá komponenty jako Infinity Cache, které GPU Nvidia nemají.

Abychom porozuměli rozdílu mezi výpočetními jednotkami (CU) a jádry CUDA, musíme se nejprve podívat na celkovou architekturu GPU. Jakmile porozumíme architektuře a uvidíme, jak GPU funguje, jasně vidíme rozdíl mezi výpočetními jednotkami a jádry CUDA.

Jak funguje GPU?

První věc, kterou musíte pochopit, je, že GPU zpracovává tisíce nebo dokonce miliony instrukcí současně. GPU proto ke zpracování těchto pokynů potřebuje spoustu malých, vysoce paralelních jader.

Tato malá jádra GPU se liší od velkých jader CPU, která zpracovávají vždy jednu složitou instrukci na jádro.

Například Nvidia RTX 3090 má 10496 jader CUDA. Naproti tomu špičkový AMD Threadripper 3970X má pouze 64 jader.

Nemůžeme tedy porovnávat jádra GPU s jádry CPU. Je jich docela dost rozdíly mezi CPU a GPU protože je inženýři navrhli k plnění různých úkolů.

Kromě toho, na rozdíl od průměrného procesoru, jsou všechna jádra GPU uspořádána do klastrů nebo skupin.

Nakonec má shluk jader na GPU další hardwarové komponenty, jako jsou jádra pro zpracování textur, jednotky s pohyblivou řádovou čárkou a mezipaměti

aby pomohly zpracovat miliony pokynů současně. Tento paralelismus definuje architekturu GPU. Od načtení instrukce až po její zpracování dělá GPU vše podle zásad paralelního zpracování.

• Nejprve GPU obdrží instrukci ke zpracování z fronty instrukcí. Tyto pokyny téměř vždy v drtivé většině souvisejí s vektorem.
• Dále, aby tyto pokyny vyřešil, plánovač vláken je předá jednotlivým jádrovým klastrům ke zpracování.
• Po obdržení pokynů integrovaný plánovač jádra klastru přiřadí pokyny jádrům nebo prvkům zpracování pro zpracování.
• Nakonec různé jádrové klastry zpracovávají různé instrukce souběžně a výsledky se zobrazují na obrazovce. Takže veškerá grafika, kterou vidíte na obrazovce, například videohra, je jen sbírka milionů zpracovaných vektorů.

Stručně řečeno, GPU má tisíce prvků zpracování, které nazýváme „jádra“ uspořádaná v klastrech. Plánovači přiřazují těmto klastrům práci, aby dosáhli paralelismu.

Co jsou výpočetní jednotky?

Jak je vidět v předchozí části, každý GPU má shluky jader obsahující prvky zpracování. AMD tyto jádrové klastry nazývá „výpočetní jednotky“.

www.youtube.com/watch? v = uu-3aEyesWQ & t = 202 s

Compute Units jsou sbírka prostředků pro zpracování, jako jsou paralelní aritmetické a logické jednotky (ALU), mezipaměti, jednotky s plovoucí desetinnou čárkou nebo vektorové procesory, registry a část paměti pro ukládání vláken informace.

Aby to bylo jednoduché, AMD inzeruje pouze počet výpočetních jednotek svých GPU a podrobně neuvádí základní součásti.

Kdykoli tedy uvidíte počet výpočetních jednotek, považujte je za skupinu prvků zpracování a všechny související komponenty.

Co jsou jádra CUDA?

Tam, kde AMD ráda věci zjednodušuje počtem výpočetních jednotek, Nvidia to komplikuje používáním výrazů, jako jsou jádra CUDA.

Jádra CUDA nejsou přesně jádra. Jsou to jen jednotky s plovoucí desetinnou čárkou, které Nvidia ráda označuje jako jádra pro marketingové účely. A pokud si pamatujete, jádrové klastry mají vestavěno mnoho jednotek s plovoucí desetinnou čárkou. Tyto jednotky provádějí vektorové výpočty a nic jiného.

Nazývat je „jádrem“ je tedy čistý marketing.

Jádro CUDA je tedy prvek zpracování, který provádí operace s plovoucí desetinnou čárkou. V jednom jádrovém clusteru může být mnoho jader CUDA.

Nakonec Nvidia volá jádrové klastry "Streamování více procesorů nebo SM." SM jsou ekvivalentní AMD Compute Units, protože Compute Units jsou samotné jádrové klastry.

Jaký je rozdíl mezi výpočetními jednotkami a jádry CUDA?

Hlavní rozdíl mezi výpočetní jednotkou a jádrem CUDA spočívá v tom, že první odkazuje na klastr jádra a druhý na prvek zpracování.

Abychom lépe porozuměli tomuto rozdílu, vezměme si příklad převodovky.

Převodovka je jednotka, která se skládá z několika převodových stupňů. Převodovku si můžete představit jako výpočetní jednotku a jednotlivé převody jako jednotky s plovoucí desetinnou čárkou jader CUDA.

Jinými slovy, kde Compute Units jsou kolekcí komponent, jádra CUDA představují konkrétní komponentu uvnitř kolekce. Výpočtové jednotky a jádra CUDA tedy nejsou srovnatelná.

To je také důvod, proč když AMD zmiňuje počet výpočetních jednotek pro své GPU, jsou vždy mnohem nižší ve srovnání s konkurenčními kartami Nvidia a jejich počtem jader CUDA. Příznivější srovnání by bylo mezi počtem streamovacích multiprocesorů karty Nvidia a počtem výpočetních jednotek karty AMD.

Příbuzný: AMD 6700XT vs. Nvidia RTX 3070: Jaký je nejlepší GPU pod 500 USD?

Jádra a výpočetní jednotky CUDA jsou různé a nelze je srovnávat

Společnosti mají ve zvyku používat matoucí terminologii k prezentaci svých produktů v nejlepším světle. To nejen zmate zákazníka, ale také ztěžuje sledování věcí, na kterých záleží.

Ujistěte se tedy, že víte, co hledat při hledání GPU. Pokud se budete držet dál od marketingového žargonu, vaše rozhodnutí bude mnohem lepší a bez stresu.

Vyplatí se grafické karty NVIDIA řady 30 upgradovat?

Pokud jste hráč, můžete být v pokušení upgradovat grafickou kartu na řadu NVIDIA 30. Ale stojí to za to?

Číst dále

O autorovi