Hjertet i alle datasystemer ligger hos CPU eller sentralbehandlingsenheten. Denne generelle prosessoren kan håndtere omtrent enhver oppgave. De er begrenset til visse grunnleggende matematiske beregninger. Kompliserte oppgaver kan kreve kombinasjoner som resulterer i en lengre behandlingstid. Takket være prosessorens hastighet merker de fleste ikke noen reelle avmatninger. Det finnes en rekke oppgaver, men det kan virkelig falle ned en datamaskinens sentrale prosessor.
Grafikkort med GPU- eller grafikkprosessorenhet er en av de få spesialprosessorer som mange har installert i sine datamaskiner. Disse prosessorene håndterer kompliserte beregninger relatert til 2D- og 3D-grafikk. Faktisk har de blitt så spesialiserte at de nå er bedre til å gjengi bestemte beregninger i forhold til den sentrale prosessoren. På grunn av dette er det nå en bevegelse som utnytter en datamaskinens GPU for å supplere en CPU og øke hastigheten på ulike oppgaver.
Akselererende video
Den første virkelige applikasjonen utenfor 3D-grafikk som GPUer ble designet for å håndtere, var video. Høydefinisjons videostrømmer krever dekoding av komprimerte data for å produsere bilder med høy oppløsning. Både ATI og NVIDIA utviklet programvarekoden som gjør det mulig å håndtere denne dekodingsprosessen av grafikkprosessoren i stedet for å stole på CPU. Dette er viktig for de som ønsker å bruke en datamaskin til å se HDTV eller Blu-ray-filmer på en PC. Med flyttingen til 4K Video blir den nødvendige prosessorkraften til å håndtere videoen enda bedre.
Avskjæringen av dette er evnen til å få grafikkortet til å hjelpe transkode video fra ett grafikkformat til et annet. Et eksempel på dette kan være å ta en videokilde, for eksempel fra et videokamera som blir kodet for å bli brent til en DVD. For å gjøre dette må datamaskinen ta det ene formatet og gjenta det i den andre. Dette bruker mye databehandlingskraft. Ved å bruke grafikkprosessens spesielle videofunksjoner kan datamaskinen fullføre transkodingsprosessen raskere enn om den bare stolte på CPU.
SETI @ Home
En annen tidlig søknad for å utnytte den ekstra datakraften som tilbys av en datamaskin GPU, er SETI @ Home. Dette er et distribuert dataprogram som kalles folding som gjør at radiosignaler kan analyseres for Search of Extra-Terrestrial Intelligence-prosjektet. De avanserte beregningsmotorer i GPUen tillater dem å akselerere mengden data som kan behandles i en gitt tidsperiode sammenlignet med bruk av bare CPU. De kan gjøre dette med NVIDIA grafikkort ved hjelp av CUDA eller Computer Unified Device Architecture, som er en spesialisert versjon av C-kode som kan få tilgang til NVIDIA GPUer.
Adobe Creative Suite 4
Den nyeste store navnet applikasjonen for å utnytte GPU akselerasjon er Adobes Creative Suite. Dette inkluderer et stort antall av Adobes flaggskipprodukter, inkludert Acrobat, Flash Player, Photoshop CS4 og Premiere Pro CS4. I hovedsak kan enhver datamaskin med et OpenGL 2.0 grafikkort med minst 512 MB videominne brukes til å akselerere ulike oppgaver innenfor disse programmene.
Hvorfor legge til denne funksjonen til Adobe-applikasjonene? Photoshop og Premiere Pro har spesielt et stort antall spesialiserte filtre som krever høyt nivå matematikk. Ved å bruke GPUen til å avlaste mange av disse beregningene, kan gjengittiden for store bilder eller videostrømmer bli fullført raskere. Noen brukere kan ikke merke noen forskjell, mens andre kan se store gevinster avhengig av hvilke oppgaver de bruker og grafikkortet de bruker.
Cryptocurrency Mining
Du har sikkert hørt om Bitcoin som er en form for virtuell valuta. Du kan alltid kjøpe Bitcoins gjennom en utveksling ved å handle tradisjonelle valutaer for det, akkurat som å bytte det til utenlandsk valuta. Den andre metoden for å få virtuelle valutaer er gjennom en prosess som heter Cryptocoin Mining. Hva det koker ned til, er å bruke datamaskinen som et relé for behandling av beregnings-hash for å håndtere transaksjoner. En CPU kan gjøre dette på ett nivå, men en GPU på et grafikkort gir en mye raskere metode for å gjøre dette. Som et resultat kan en PC med en GPU generere valuta raskere enn en uten den.
Hva er OpenCL?
Den mest bemerkelsesverdige utviklingen i bruk av grafikkort for ekstra ytelse kommer fra utgivelsen av OpenCL eller Open Computer Language-spesifikasjonene. Denne spesifikasjonen trekker sammen et bredt spekter av spesialiserte dataprosessorer i tillegg til en GPU og CPU for akselerert databehandling. Alle typer applikasjoner kan potensielt ha nytte av parallell databehandling fra blandingen av forskjellige prosessorer for å øke mengden data som kan behandles.
Endelige tanker og konklusjoner
Spesialiserte prosessorer er ikke noe nytt for datamaskiner. Grafikkprosessorer er bare en av de mer vellykkede og brukte produktene i databehandlingsverdenen. Problemet var å gjøre disse spesialiserte prosessorene lett tilgjengelige for applikasjoner utenom grafikk. Programforfattere trengte å skrive kode spesifikt for hver grafikkprosessor. Med push for mer åpne standarder for tilgang til et element som en GPU, kommer datamaskiner til å få mer bruk ut av grafikkortene sine enn noen gang før. Kanskje det er på tide å selv endre navnet fra grafikkprosessorenhet til generell prosessor enhet.
