【文章聲明】本文收集整理于互聯(lián)網(wǎng)，僅作參考！如需咨詢“服務(wù)器的cpU、gpU、tpU，到底誰的運算能力更高”等有關(guān)服務(wù)器、云主機租用、托管、配置、價格問題，請隨時咨詢YINGSOO客服，獲取專業(yè)解答！

　　【主機選配】印度尼西亞云服務(wù)器特價 | 荷蘭物理服務(wù)器特價 | 臺灣物理服務(wù)器特價

　　【精選文章】臺灣服務(wù)器怎么樣？

　　我們知道，任何一臺計算機，也包括智能手機，游戲機等有計算能力的設(shè)備，都有一個計算的核心芯片，叫做cpU（central processing Unit），即中央處理器，它負責所有的計算，并且控制計算機的全部工作。

　　cpU的性能從上個世紀60年代中期開始，幾乎按照每18個月翻一番的速度在進步，從1965年至今，差不多翻了34次了，也就是說計算速度提高了160億倍。如果再把這個進步分解一下，又可以分成兩個維度，一個是主頻的提高，另一個是集成電路芯片密度（稱為集成度）的提高。

　　主頻提高后，本來一秒鐘算10萬個周期，現(xiàn)在可以算30億個，增加了幾萬倍。密度提高后，本來幾個周期完成一次計算任務(wù)，現(xiàn)在可以流水作業(yè)、分工合作，一個周期完成好幾次計算。兩者的加速是疊加的，使得今天計算機的速度變得飛快。

　　但是，cpU的主頻不可能無限制提高，因為光速是一個絕對的瓶頸，今天計算機cpU內(nèi)部，電子運動的速度已經(jīng)接近光速所給的極限了，幾乎沒有了再提高的可能性，事實上從10年前開始，這條路就走不通了。

　　那么怎么辦呢？英特爾公司的辦法是，將計算機cpU的集成度進一步提高，最早一個集成電路中只有幾千個晶體管，今天最多的有60億個，這樣計算可以并行開展，這也是為什么我們計算機和手機cpU有什么四核、八核之說。

　　那么接下來，為什么不能做成16核、32核甚至100核呢？因為以今天的工藝，做到那么多核處理器的體積要大得不得了，光是散熱問題就沒法解決。面對這個問題怎么辦呢？英特爾總的態(tài)度是，沒法解決，你們多買我一些處理器，多建造一些服務(wù)器，再把計算中心修得大一點就好了。且不說這個法子靈不靈，在很多場合也沒有條件這么做，比如在無人駕駛汽車中，總不能扛著一個機柜上路吧。

　　我們知道，有主動性的人，總是想方設(shè)法尋找更好的解決方法。英偉達的創(chuàng)始人黃仁勛就是這樣的人。黃仁勛和他在英偉達的同事就想，cpU的計算速度之所以不夠快，是因為它被設(shè)計成能夠適應(yīng)所有的計算了，里面很多晶體管都用來搭建控制電路了。

　　另外，因為計算太復(fù)雜，因此處理器本身設(shè)計得太復(fù)雜。而在計算機里面，有一種計算相對單一，就是控制顯示器的圖形計算，于是英偉達就為這一類計算專門設(shè)計了一種處理器，叫做gpU，即圖形處理器。

　　當然，在英偉達之前，做圖形工作站的太陽公司和sgi公司也設(shè)計出類似的產(chǎn)品，但是不通用。gpU比cpU的好處有兩個：

　　第一，控制電路簡單了，因此更多的晶體管用于了計算，而不是控制，這樣本來10億個晶體管可以搭建四個內(nèi)核，還有希望搭建八個、十六個甚至更多。

　　第二，將單個兒單個兒的計算，變成一批一批的計算。在現(xiàn)實生活中，大部分的計算每次都是在兩個數(shù)之間進行的，比如A＋b＝c，它是一個運算指令（“+”）帶上兩個數(shù)字（“A”和“b”），下一次做X－Y，是另一個運算指令（“－”）帶上另外兩個數(shù)字（“X”和“Y”）。因此計算機處理器實際上是按照一個指令通道（流）對應(yīng)一個數(shù)據(jù)通道設(shè)計的（被稱為sisd）。打個不很恰當?shù)谋确剑话愕挠嬎憔腿缤愣自诘厣弦粋€個地撿豆子。

　　而圖形計算是整個一條線（在計算機科學里被稱為向量）按照同一種操作一口氣算完，比如A1+b1=c1，A2+b2=c2，……，最后A1000+b1000=c1000，對于這些計算來講，指令都是一樣的，只是使用不同的數(shù)據(jù)而已，因此它可以設(shè)計出非常多的功能簡單的計算核心，然后對一條指令開發(fā)很多數(shù)據(jù)通道（即所謂的simd）即可。

　　這就相當于用一個吸塵器在地上吸豆子，你走過一條線，就吸起一大堆，效率就高多了。對此，英偉達提出一種所謂的“統(tǒng)一計算架構(gòu)”（cUdA）的概念，就是很多很多核都做同一件事情，并且在此基礎(chǔ)上設(shè)計出圖形處理器gpU。

　　有了gpU，很多重復(fù)一致的計算就可以并行了。gpU最早是針對圖形計算設(shè)計的，但是后來英偉達發(fā)現(xiàn)機器學習的算法也可以用這種方式實現(xiàn)，于是到了2016年，英偉達又針對機器學習的特點，設(shè)計了針對機器學習的gpU，它最新的p40處理器內(nèi)部有多達3000個所謂“統(tǒng)一計算架構(gòu)”的內(nèi)核。

　　雖然每一個能力都比不上英特爾四核處理器中的一個內(nèi)核，但是p40等gpU的內(nèi)核數(shù)量非常多，因此做人工智能計算就非?？臁＝裉焯厮估愕妮o助駕駛，一片這樣的處理器就能解決所有的問題。在去年對陣李世石的Alphago中，就是用了176個英偉達的gpU，承擔了主要的計算功能。

　　但是畢竟機器學習中的向量計算和通用的向量計算還是有所不同，能否讓計算的內(nèi)核功能再專一一點，只做和一種非常特定的機器學習算法（即google的人工神經(jīng)網(wǎng)絡(luò)算法）相關(guān)的向量計算呢？

　　于是，google提出了一種張量（tensor）計算的概念。所謂張量，它原本是一個數(shù)學概念，表示各種向量或者數(shù)值之間的關(guān)系。比如你的兩張照片是兩個不同的向量，它們之間的一些相似性就是一個張量。人工神經(jīng)網(wǎng)絡(luò)的算法可以看成是張量的計算，至于為什么，大家不必細究，記住這個結(jié)論就可以了。

　　接下來，google就在英偉達等公司gpU的基礎(chǔ)上，進一步讓計算變得專注，設(shè)計了一種僅僅針對特定張量計算的處理器，叫做tpU，其中t就代表張量（tensor）。google宣稱，一個tpU對Alphago這樣的任務(wù)，效率抵得上15-30個英偉達的gpU，這也就是為什么這一次google講新版的Alphago在硬件上瘦身了的原因。

　　去年戰(zhàn)勝李世石的Alphago的耗電量是人腦的300倍，如今的Alphago用的機器少了很多，至少少了一個數(shù)量級，也就是說耗電量從人腦的300倍下降到30倍以下，這個進步速度還是很驚人的。

　　當然，英偉達表示不服氣，說你google是在拿蘋果和橘子比，而用我的測試處理器性能的程序來評測，我的p40可比你的tpU快多了。其實tpU和gpU誰更好，完全要看做什么事情了。

　　從cpU到gpU，再到tpU，效率提升的根本原因在于兩個字——專注，相比之下，我們手機和電腦的cpU是非常“不專注”的。

　　在社會生活中，情況和計算機處理器其實很相似。工業(yè)革命開始后，英國工廠主把分工做得特別細，于是效率大增。亞當·斯密在《國富論》中講，即使是制作縫衣服針這件事，當分工很細致后，一個工人一天能生產(chǎn)上千根，如果一個工人做所有的工序，一天恐怕連10根都做不了。因此，英國工業(yè)革命后，就把整個歐洲的加工業(yè)碾壓了。這其實就好比tpU和cpU的關(guān)系。

　　但是，tpU的使用有一個前提，就是這種芯片的市場至少要有上百萬片，否則就不值得做，因為它做一個樣片的成本就得上百萬美元，而設(shè)計成本則是上千萬。如果市場需求量只有幾萬片，還不如用很多cpU來工作呢。這就如同制作縫衣服針，一年僅歐洲恐怕要用到上億根，才值得做社會分工。如果只用三五十根，還不如讓幾個工人慢慢磨呢！因此，分工和專注的前提都是市場規(guī)模足夠大。

　　最后講一下人的技能，什么時候需要專而精，什么時候需要廣博，其實沒有一定之規(guī)，但是一個很好的判斷標準就是市場是否大到需要非常專而精。

　　優(yōu)惠產(chǎn)品：美國云主機去首頁享優(yōu)惠！YINGSOO最新推出Swarm物理節(jié)點服務(wù)器、Swarm母雞服務(wù)器、Swarm Bzz挖礦教程【圖文教程】、Swarm Bzz挖礦教程【視頻教程】,《swarm bzz挖礦資料大全》,Swarm Bee節(jié)點租用請咨詢YINGSOO客服！

版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。