今天主要介绍GPU、CPU和两者的区别。下面，我们一起来看看吧。1、CPU是中央处理器CPU（CentralProcessingUnit，中央处理器）是机器的“大脑”，也是部署战略、发布命令、控制行动的“总司令”。CPU的结构主要包括运算单元（ALU，ArithmeticandLogicUnit）、控制单元（CU，ControlUnit）、寄存器（Register）、高速缓存（Cache）和用于通信数据、控制和状态的总线他们之中。简单的说就是：计算单元、控制单元和存储单元2.GPU是图形处理单元。GPU的全称是GraphicsProcessingUnit，中文是图形处理器。正如它的名字一样，GPU最初是用来在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行图形运算的微处理器。为什么GPU特别擅长处理图像数据？这是因为图像上的每一个像素点都需要处理，而处理每一个像素点的过程和方法都非常相似，这就成了GPU天然的温床。GPU的组成比较简单，计算单元数量多，流水线超长，特别适合处理大量均匀数据。但是GPU不能单独工作，必须受CPU控制才能工作。CPU可以单独处理复杂的逻辑运算和不同的数据类型，但当需要大量统一类型的数据时，可以调用GPU进行并行计算。两者的区别：从根本上说，CPU和GPU的用途不同，侧重点不同，性能特点也不同。在某些任务中，CPU执行得更快，而在其他任务中，GPU可能执行得更好。当你需要对大量数据做同样的事情时，GPU更好，而当你需要对相同数据做很多事情时，CPU就很好。但在实际应用中，后一种情况更多，即CPU更加灵活，能够完成更多的任务。GPU能做什么？对于图形和大规模矩阵运算，如机器学习算法、挖矿、暴力破解密码等，GPU将大大提高计算效率。Cache、localmemory：CPU>GPUThreads（线程数）：GPU>CPURegisters：GPU>CPU多个寄存器可以支持很多Thread，线程需要用到寄存器，线程数多，寄存器也必须要大。SIMDUnit（单指令多数据流，以同步的方式同时执行同一条指令）：GPU>CPU。简单来说，CPU擅长分支预测等复杂运算，而GPU擅长对大量数据进行简单运算。一是复杂的劳动，二是海量的并行工作。实际上，GPU可以看成是一种专用CPU，专为单条指令处理大数据块而设计。指令开销也会大大降低，因为处理大块数据意味着需要更多的晶体管并行工作，而现在的旗舰显卡拥有超过100亿个晶体管。CPU呢，它的目的是尽可能快地对单个数据执行单个指令。因为它只需要使用单个数据和单个指令，所以所需的晶体管数量要少得多。目前主流的桌面CPU晶体管不到十亿，与顶级GPU相差十倍以上，但它需要更大的指令集和更多的复杂ALU（算术逻辑单元）、更好的分支预测、更好的虚拟化架构，更低的延迟等。此外，像我们的操作系统Windows一样，它是为x86处理器编写的。它需要执行的任务在CPU上肯定更有效率。你觉得每个线程的任务都不一样，基本上很难并行化。GPU的优势根本发挥不出来。总结总而言之，CPU和GPU的设计是不同的，因为它们最初是用来处理不同的任务的。CPU的运算速度取决于教授的实力。教授处理复杂任务的能力碾压小学生，但对于不那么复杂的任务，他还是不堪入目。当然现在的GPU也可以做一些稍微复杂一点的工作，相当于提升到了初中生和高中生的水平。但是还是需要CPU把数据喂到嘴里才能开始工作，最后还是由CPU来管理。
