今天我将介绍GPU, CPU以及它们之间的区别。

中央处理器(CPU)是机器的“大脑”。它也是计划、指挥和控制行动的“总指挥官”。

CPU的结构主要包括算术单元(ALU, Arithmetic and Logic Unit)、控制单元(CU, Control Unit)、寄存器(Register)、缓存(Cache)以及它们之间的数据、控制和状态通信总线。

简单来说就是：计算单元、控制单元和存储单元

GPU的全称是Graphics Processing Unit，中文为图形处理器，就像它的名字一样，GPU最初是用于个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上运行图形计算工作的微处理器。

为什么gpu特别擅长处理图像数据？这是因为图像上的每个像素都有需要处理的地方，而且每个像素的处理过程和方式都非常相似，这就成为了GPU的天然滋生地。

GPU的构成相对简单，计算单元多，流水线长，特别适合处理大量统一类型的数据。但是GPU不能单独工作，它必须在CPU的控制下才能工作。CPU可以独立使用，处理复杂的逻辑运算和不同的数据类型。但是，当需要处理大量相同类型的数据时，可以使用GPU进行并行计算。

从根本上说，CPU和GPU有不同的用途、不同的优先级和不同的性能特征。在某些工作中，CPU更快，而在另一项工作中，GPU可能更好。当你需要用大量数据做同样的事情时，GPU更好，当你需要用同样的数据做很多事情时，CPU正好。

然而，在实践中，后者更多，这意味着CPU更灵活，可以执行更多任务。GPU能做什么？对于图形和大型矩阵运算，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、本地内存：CPU GPUThreads: GPU CPURegisters GPU CPU多寄存器，可以支持大量的thread。线程需要寄存器。对于大量的线程，寄存器必须很大。SIMD Unit(单个指令和多个数据流，同时同步执行一条指令):GPU CPU。简单地说，cpu擅长分支预测等复杂操作，gpu擅长对大量数据的简单操作。一个是复杂的劳动，另一个是大量的并行工作。

事实上，GPU可以被认为是一种专用的CPU，设计用于在大数据块上处理单个指令，所有这些指令都执行相同的操作。处理大量数据比处理单个数据要高效得多，而且指令开销也低得多，因为处理大量数据意味着需要更多的晶体管并行工作。现在的旗舰显卡有超过100亿个晶体管。

CPU的目的是在单个数据上尽可能快地执行单个指令。因为它只需要使用单个数据的单个指令，所以所需的晶体管数量要少得多，目前主流的桌面CPU晶体管都在十亿个以下，是顶级gpu的十几倍之差，但它需要更大的指令集、更复杂的alu(算术逻辑单元)、更好的分支预测、更好的虚拟化架构、更低的延迟等等。

此外，像Windows这样为x86处理器编写的操作系统需要执行在CPU上效率更高的进程的任务。如果你认为每个线程的任务都是不同的，那么基本上很难并行化，而且它根本没有利用GPU的优势。

综上所述，cpu和gpu的设计不同，因为它们最初的设计目的是处理不同的任务。中央处理器的速度取决于你的教授有多好。教授处理复杂任务的能力让小学生们不知所措，但对于不那么复杂的任务，他却不知所措。当然，今天的gpu也可以做一些稍微复杂一点的工作，相当于升级到初中生和高中生的水平。但是，在开始工作之前，您仍然需要CPU将数据馈送到您的口中，并且最终CPU做到了这一点。