Hjärtat i alla datorsystem ligger hos den centrala processorenheten. Denna generella processor hanterar de flesta uppgifter och är begränsad till grundläggande matematiska beräkningar. Komplicerade uppgifter kan kräva kombinationer som ger längre handläggningstid. En mängd olika uppgifter kan dock sakta ner en dators centrala processor.
Grafikkort med en grafikprocessorenhet är en av de specialiserade processorer som folk har installerat i sina datorer. Dessa kort hanterar komplicerade beräkningar relaterade till 2D- och 3D-grafik. Dessa är så specialiserade att de gör vissa beräkningar bättre än den centrala processorn. Här är några av sätten som GPU:er blir viktiga för mer än grafik.
Accelerating Video
Den första applikationen utanför 3D-grafik som GPU:er designades för att hantera är video. Högupplösta videoströmmar kräver avkodning av komprimerad data för att producera högupplösta bilder. Både ATI och NVIDIA utvecklade mjukvara som låter grafikprocessorn hantera denna avkodning snarare än processorn.
Grafikkortet hjälper till att omkoda video från ett grafikformat till ett annat, till exempel genom att konvertera en videokamerafil för bränning till en DVD. Datorn måste ta det ena formatet och återrendera det i det andra formatet. Denna process använder mycket datorkraft. Datorn kan slutföra omkodningsprocessen snabbare än om den förlitade sig på processorn genom att använda grafikprocessorns videofunktioner.
Bottom Line
SETI@Home var en distribuerad datorapplikation kallad foldning som gjorde det möjligt för projektet Search for Extra-Terrestrial Intelligence att analysera radiosignaler. Den utnyttjade också den extra datorkraft som en dators GPU ger. De avancerade beräkningsmotorerna inom GPU:n gjorde det möjligt för den att accelerera mängden data som bearbetades under en given tidsperiod jämfört med användningen av endast CPU:n. SETI@Home skulle kunna göra detta med NVIDIA-grafikkorten genom att använda CUDA eller Compute Unified Device Architecture. CUDA är en specialiserad version av C-kod som kan komma åt NVIDIA GPU:er.
Adobe Creative Suite och Creative Cloud
Den senaste stora applikationen som drar fördel av GPU-acceleration är Adobe Creative Suite, som börjar med CS4 och fortsätter genom den moderna sviten av applikationer. Detta inkluderar många av Adobes flaggskeppsprodukter inklusive Photoshop och Premiere Pro. I princip kan vilken dator som helst med ett OpenGL 2.0-grafikkort med minst 512 MB videominne användas för att påskynda olika uppgifter inom dessa applikationer.
Varför lägga till denna funktion till Adobe-applikationerna? Photoshop och Premiere Pro, i synnerhet, har ett stort antal specialiserade filter som kräver matematik på hög nivå. Återgivningstiden för stora bilder eller videoströmmar kan slutföras snabbare genom att använda GPU:n för att ladda ner många av dessa beräkningar. Vissa människor kanske inte märker någon skillnad, medan andra ser stora tidsvinster beroende på vilka uppgifter de använder och vilket grafikkort de använder.
Bottom Line
Standardmetoden för att skaffa virtuella valutor är genom en process som kallas kryptomyntutvinning. I den använder du din dator som ett relä för att bearbeta beräkningshashar för att hantera transaktioner. En CPU kan göra detta på en nivå. En GPU på ett grafikkort erbjuder dock en snabbare metod. Som ett resultat kan en dator med en GPU generera valuta snabbare än en utan den.
OpenCL
Den mest anmärkningsvärda utvecklingen i användningen av grafikkort för ytterligare prestanda kommer med lanseringen av OpenCL, eller Open Computer Language, specifikationer. Denna specifikation samlar en mängd olika specialiserade datorprocessorer förutom en GPU och CPU för att påskynda beräkningen. Alla typer av applikationer kan potentiellt dra nytta av att använda en blandning av olika processorer för att öka mängden data som bearbetas.
Vad håller tillbaka GPU:er?
Specialiserade processorer är inget nytt för datorer. Grafikprocessorer är en av de mer framgångsrika och allmänt använda objekten i datorvärlden. Problemet är att göra dessa specialiserade processorer tillgängliga för applikationer utanför grafik. Programskrivare måste skriva kod som är specifik för varje grafikprocessor. Men med strävan efter öppnare standarder kommer datorer att få mer användning av sina grafikkort än någonsin tidigare.
