Bruk av grafikkort for mer enn bare 3D-grafikk

Innholdsfortegnelse:

Bruk av grafikkort for mer enn bare 3D-grafikk
Bruk av grafikkort for mer enn bare 3D-grafikk
Anonim

Hjertet i alle datasystemer ligger hos den sentrale behandlingsenheten. Denne generelle prosessoren håndterer de fleste oppgaver og er begrenset til grunnleggende matematiske beregninger. Kompliserte oppgaver kan kreve kombinasjoner som gir lengre behandlingstid. En rekke oppgaver kan imidlertid bremse datamaskinens sentrale prosessor.

Grafikkort med en grafikkprosessorenhet er en av de spesialiserte prosessorene folk har installert i datamaskinene sine. Disse kortene håndterer kompliserte beregninger knyttet til 2D- og 3D-grafikk. Disse er så spesialiserte at de gjør visse beregninger bedre enn den sentrale prosessoren. Her er noen av måtene GPU-er blir viktige for mer enn grafikk.

Image
Image

Accelerating Video

Den første applikasjonen utenfor 3D-grafikk som GPUer ble designet for å håndtere, er video. Høyoppløselige videostrømmer krever dekoding av komprimerte data for å produsere høyoppløselige bilder. Både ATI og NVIDIA utviklet programvare som lar grafikkprosessoren håndtere denne dekodingsprosessen i stedet for prosessoren.

Grafikkortet hjelper til med å omkode video fra ett grafikkformat til et annet, for eksempel ved å konvertere en videokamerafil for brenning til en DVD. Datamaskinen må ta det ene formatet og gjengi det i det andre formatet. Denne prosessen bruker mye datakraft. Datamaskinen kan fullføre omkodingsprosessen raskere enn om den var avhengig av prosessoren ved å bruke videofunksjonene til grafikkprosessoren.

bunnlinjen

SETI@Home var et distribuert dataprogram k alt folding som tillot Search for Extra-Terrestrial Intelligence-prosjektet å analysere radiosignaler. Den utnyttet også den ekstra datakraften fra en datamaskins GPU. De avanserte beregningsmotorene i GPUen tillot den å akselerere mengden data som behandles i en gitt tidsperiode sammenlignet med bruken av kun CPU. SETI@Home kan gjøre dette med NVIDIA-grafikkortene ved å bruke CUDA eller Compute Unified Device Architecture. CUDA er en spesialisert versjon av C-kode som har tilgang til NVIDIA GPUer.

Adobe Creative Suite og Creative Cloud

Den siste store applikasjonen for å dra nytte av GPU-akselerasjon er Adobe Creative Suite, som starter med CS4 og fortsetter gjennom den moderne pakken med applikasjoner. Dette inkluderer mange av Adobes flaggskipprodukter, inkludert Photoshop og Premiere Pro. I hovedsak kan enhver datamaskin med et OpenGL 2.0-grafikkort med minst 512 MB videominne brukes til å akselerere ulike oppgaver innenfor disse applikasjonene.

Hvorfor legge til denne funksjonen i Adobe-applikasjonene? Photoshop og Premiere Pro, spesielt, har et stort antall spesialiserte filtre som krever matematikk på høyt nivå. Gjengivelsestiden for store bilder eller videostrømmer kan fullføres raskere ved å bruke GPUen til å avlaste mange av disse beregningene. Noen mennesker merker kanskje ingen forskjell, mens andre ser store tidsgevinster avhengig av hvilke oppgaver de bruker og hvilket grafikkort de bruker.

bunnlinjen

Standardmetoden for å skaffe virtuelle valutaer er gjennom en prosess som kalles cryptocoin mining. I den bruker du datamaskinen din som et relé for å behandle beregnings-hasher for å håndtere transaksjoner. En CPU kan gjøre dette på ett nivå. En GPU på et grafikkort tilbyr imidlertid en raskere metode. Som et resultat kan en PC med en GPU generere valuta raskere enn en uten.

OpenCL

Den mest bemerkelsesverdige utviklingen i bruken av grafikkort for ekstra ytelse kommer med utgivelsen av OpenCL, eller Open Computer Language, spesifikasjoner. Denne spesifikasjonen trekker sammen en rekke spesialiserte dataprosessorer i tillegg til en GPU og CPU for å akselerere databehandling. Alle slags applikasjoner kan potensielt ha nytte av å bruke en blanding av forskjellige prosessorer for å øke mengden data som behandles.

Hva holder GPUer tilbake?

Spesialiserte prosessorer er ikke noe nytt for datamaskiner. Grafikkprosessorer er en av de mer vellykkede og mye brukte elementene i dataverdenen. Problemet er å gjøre disse spesialiserte prosessorene tilgjengelige for applikasjoner utenfor grafikk. Applikasjonsskrivere må skrive kode spesifikk for hver grafikkprosessor. Men med pressen for mer åpne standarder vil datamaskiner få mer bruk ut av grafikkortene sine enn noen gang før.

Anbefalt: