AMD aprēķināšanas vienības vs. Nvidia CUDA kodoli: kāda ir atšķirība?

Ja esat sekojis Nvidia un AMD, jūs droši vien zināt par to GPU specifikācijām, kuras abiem šiem uzņēmumiem patīk izmantot. Piemēram, Nvidia patīk uzsvērt CUDA kodolu skaitu, lai atšķirtu savu piedāvājumu no AMD kartēm, savukārt AMD dara to pašu ar savām aprēķina vienībām.

Bet ko šie termini patiesībā nozīmē? Vai CUDA kodols ir tas pats, kas aprēķināšanas vienība? Ja nē, tad kāda ir atšķirība?

Atbildēsim uz šiem jautājumiem un redzēsim, ar ko AMD GPU atšķiras no Nvidia.

GPU vispārējā arhitektūra

Visi GPU, neatkarīgi no tā, vai tie ir no AMD, Nvidia vai Intel, kopumā darbojas vienādi. Viņiem ir vienādas galvenās sastāvdaļas, un šo komponentu kopējais izkārtojums ir līdzīgs augstākā līmenī.

Tātad, no augšas uz leju, visi GPU ir vienādi.

Aplūkojot īpašos, patentētos komponentus, ko katrs ražotājs iesaiņo savā GPU, atšķirības sāk parādīties. Piemēram, Nvidia savos GPU iebūvē Tensor kodolus, bet AMD GPU nav Tensor kodolu.

Līdzīgi AMD izmanto tādus komponentus kā Infinity Cache, kas nav Nvidia GPU.

Tātad, lai saprastu atšķirību starp aprēķināšanas vienībām (CU) un CUDA kodoliem, vispirms ir jāaplūko GPU kopējā arhitektūra. Kad mēs varam saprast arhitektūru un redzēt, kā darbojas GPU, mēs skaidri redzam atšķirību starp aprēķināšanas vienībām un CUDA kodoliem.

Kā darbojas GPU?

Pirmā lieta, kas jums jāsaprot, ir tāda, ka GPU vienlaikus apstrādā tūkstošiem vai pat miljoniem instrukciju. Tāpēc, lai apstrādātu šīs instrukcijas, GPU ir nepieciešams daudz mazu, ļoti paralēlu kodolu.

Šie mazie GPU kodoli atšķiras no lieliem CPU kodoliem, kas vienlaikus apstrādā vienu sarežģītu instrukciju uz vienu kodolu.

Piemēram, Nvidia RTX 3090 ir 10496 CUDA kodoli. No otras puses, augstākās klases AMD Threadripper 3970X ir tikai 64 kodoli.

Tātad, mēs nevaram salīdzināt GPU kodolus ar CPU kodoliem. Ir diezgan daudz atšķirības starp CPU un GPU jo inženieri tos ir projektējuši dažādu uzdevumu veikšanai.

Turklāt atšķirībā no vidējā CPU visi GPU kodoli ir sakārtoti klasteros vai grupās.

Visbeidzot, GPU kodolu grupai ir citi aparatūras komponenti, piemēram, tekstūras apstrādes kodoli, peldošo komatu vienības un kešatmiņas

lai palīdzētu vienlaikus apstrādāt miljoniem norādījumu. Šis paralēlisms nosaka GPU arhitektūru. No instrukcijas ielādes līdz tās apstrādei GPU dara visu saskaņā ar paralēlās apstrādes principiem.

• Pirmkārt, GPU saņem instrukciju apstrādei no instrukciju rindas. Šīs instrukcijas gandrīz vienmēr ir pārsvarā saistītas ar vektoriem.
• Tālāk, lai atrisinātu šīs instrukcijas, pavedienu plānotājs tos nodod atsevišķām kodolu kopām apstrādei.
• Pēc instrukciju saņemšanas iebūvētais kodolu kopu plānotājs piešķir norādījumus kodoliem vai apstrādes elementiem apstrādei.
• Visbeidzot, dažādas pamata kopas paralēli apstrādā dažādas instrukcijas, un rezultāti tiek parādīti ekrānā. Tātad visa grafika, ko redzat ekrānā, piemēram, videospēle, ir tikai miljonu apstrādātu vektoru kolekcija.

Īsāk sakot, GPU ir tūkstošiem apstrādes elementu, kurus mēs saucam par “kodoliem”, kas sakārtoti klasteros. Plānotāji šīm grupām piešķir darbu, lai panāktu paralēlismu.

Kas ir aprēķina vienības?

Kā redzams iepriekšējā sadaļā, katram GPU ir kodolu kopas, kas satur apstrādes elementus. AMD šīs pamatgrupas sauc par “aprēķina vienībām”.

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

Aprēķina vienības ir apstrādes resursu kopums, piemēram, paralēlās aritmētiskās un loģiskās vienības (ALU), kešatmiņas, peldošā komata vienības vai vektoru procesori, reģistri un nedaudz atmiņas pavedienu glabāšanai informāciju.

Vienkāršības labad AMD reklamē tikai savu GPU aprēķināšanas vienību skaitu un nesniedz detalizētu informāciju par pamatā esošajiem komponentiem.

Tāpēc, kad redzat aprēķinu vienību skaitu, domājiet par tām kā par apstrādes elementu grupu un visiem saistītajiem komponentiem.

Kas ir CUDA serdeņi?

Ja AMD patīk vienkāršot lietas ar skaitļošanas vienību skaitu, Nvidia sarežģī lietas, izmantojot tādus terminus kā CUDA kodoli.

CUDA serdeņi nav precīzi kodoli. Tās ir tikai peldošā komata vienības, kuras Nvidia mārketinga nolūkos labprāt apzīmē kā kodolus. Un, ja atceraties, kodolu kopās ir iebūvētas daudzas peldošā komata vienības. Šīs vienības veic vektoru aprēķinus un neko citu.

Tātad, saukt tos par “kodolu” ir tīrs mārketings.

Tāpēc CUDA kodols ir apstrādes elements, kas veic peldošā komata darbības. Viena kodola klasterī var būt daudz CUDA kodolu.

Visbeidzot, Nvidia izsauc galvenās kopas “Straumēšanas daudzprocesori vai SM.” SM ir līdzvērtīgas AMD skaitļošanas vienībām, jo ​​aprēķināšanas vienības pašas ir galvenās kopas.

Kāda ir atšķirība starp aprēķina vienībām un CUDA kodoliem?

Galvenā atšķirība starp aprēķina vienību un CUDA kodolu ir tā, ka pirmā attiecas uz kodola kopu, bet otrā uz apstrādes elementu.

Lai labāk izprastu šo atšķirību, ņemsim piemēru par pārnesumkārbu.

Pārnesumkārba ir vienība, kas sastāv no vairākiem pārnesumiem. Jūs varat uzskatīt pārnesumkārbu par aprēķina vienību un atsevišķus pārnesumus kā CUDA kodolu peldošās kompozīcijas vienības.

Citiem vārdiem sakot, ja aprēķināšanas vienības ir komponentu kolekcija, CUDA serdeņi ir konkrēts komponents kolekcijā. Tātad aprēķinu vienības un CUDA kodoli nav salīdzināmi.

Tas ir arī iemesls, kāpēc AMD minot GPU aprēķināšanas vienību skaitu, tās vienmēr ir diezgan zemākas salīdzinājumā ar konkurējošajām Nvidia kartēm un to CUDA kodolu skaitu. Labvēlīgāks salīdzinājums būtu starp Nvidia kartes straumēšanas daudzprocesoru skaitu un AMD kartes aprēķināšanas vienību skaitu.

Saistīts: AMD 6700XT pret. Nvidia RTX 3070: kāds ir labākais GPU zem 500 USD?

CUDA serdeņi un skaitļošanas vienības ir atšķirīgas un nav salīdzināmas

Uzņēmumiem ir paradums izmantot mulsinošu terminoloģiju, lai savus produktus prezentētu vislabākajā gaismā. Tas ne tikai mulsina klientu, bet arī apgrūtina svarīgo lietu izsekošanu.

Tāpēc pārliecinieties, ka zināt, ko meklēt, meklējot GPU. Paliekot tālu no mārketinga žargona, jūsu lēmums būs daudz labāks un bez stresa.

Vai NVIDIA 30. sērijas grafikas kartes ir vērts uzlabot?

Ja esat spēlētājs, jums var rasties kārdinājums jaunināt savu grafisko karti uz NVIDIA 30. sēriju. Bet vai tas ir tā vērts?

Lasīt Tālāk

Par autoru