Hjertet i alle computersystemer ligger hos CPU'en eller centralenheden. Denne generelle processor kan håndtere næsten enhver opgave. De er begrænset til visse grundlæggende matematiske beregninger. Komplicerede opgaver kan kræve kombinationer, der resulterer i længere behandlingstid. Takket være processorens hastighed mærker de fleste ikke nogen reelle afmatninger. Der er en række opgaver, selvom det virkelig kan moske på en computers centrale processor.
Grafikkort med deres GPU eller grafikprocessorenhed er en af de få specialiserede processorer, som mange mennesker har installeret i deres computere. Disse processorer håndterer komplicerede beregninger relateret til 2D og 3D grafik. Faktisk er de blevet så specialiserede, at de nu er bedre til at gengive bestemte beregninger i forhold til centralprocessoren. På grund af dette er der nu en bevægelse, der udnytter en computers GPU til at supplere en CPU og fremskynde forskellige opgaver.
Accelererende video
Den første rigtige applikation uden for 3D-grafik, som GPU'er blev designet til at håndtere, var video. High Definition-videostrømme kræver afkodning af de komprimerede data for at producere deres højopløsningsbilleder. Både ATI og NVIDIA udviklede software kode, der gør det muligt for denne afkodningsproces at blive håndteret af grafikprocessoren i stedet for at stole på CPU'en. Dette er vigtigt for dem, der ønsker at bruge en computer til at se HDTV eller Blu-ray-film på en pc. Med flytningen til 4K Video bliver den nødvendige processorkraft til at håndtere videoen endnu større.
Afvigelsen af dette er evnen til at få grafikkortet til at hjælpe transcode video fra et grafikformat til et andet. Et eksempel på dette kan være at tage en videokilde, f.eks. Fra et videokamera, der bliver kodet for at blive brændt til en dvd. For at gøre dette skal computeren tage det ene format og genoprette det i den anden. Dette bruger meget computerkraft. Ved at bruge grafikprocessorens specielle videofunktioner kan computeren færdiggøre transkodningsprocessen hurtigere, end hvis den bare baserede sig på CPU'en.
SETI @ home
En anden tidlig ansøgning om at udnytte den ekstra computerkraft, der leveres af en computer GPU, er SETI @ Home. Dette er et distribueret dataprogram kaldet folding, der gør det muligt at analysere radiosignaler til Search of Extra-Terrestrial Intelligence-projektet. De avancerede beregningsmotorer inden for GPU'en giver dem mulighed for at fremskynde mængden af data, som kan behandles i en given periode sammenlignet med brugen af netop CPU'en. De kan gøre dette med NVIDIA grafikkort ved brug af CUDA eller Computer Unified Device Architecture, som er en specialiseret version af C-kode, der kan få adgang til NVIDIA GPU'er.
Adobe Creative Suite 4
Den nyeste store navn ansøgning at udnytte GPU acceleration er Adobes Creative Suite. Dette omfatter et stort antal af Adobes flagskibsprodukter, herunder Acrobat, Flash Player, Photoshop CS4 og Premiere Pro CS4. I det væsentlige kan enhver computer med et OpenGL 2.0 grafikkort med mindst 512 MB videohukommelse bruges til at accelerere forskellige opgaver inden for disse applikationer.
Hvorfor tilføje denne mulighed til Adobe-applikationerne? Photoshop og Premiere Pro har i særdeleshed et stort antal specialiserede filtre, der kræver matematik på højt niveau. Ved at bruge GPU'en til at offload mange af disse beregninger, kan gengivelsestiden for store billeder eller videostrømme udføres hurtigere. Nogle brugere kan ikke se nogen forskel, mens andre kan se store gevinster afhængigt af de opgaver, de bruger, og det grafikkort, de bruger.
Cryptocurrency Mining
Du har sikkert hørt om Bitcoin, som er en form for virtuel valuta. Du kan altid købe Bitcoins gennem en udveksling ved at handle traditionelle valutaer for det ligesom at udveksle det til udenlandsk valuta. Den anden metode til at få virtuelle valutaer er gennem en proces kaldet Cryptocoin Mining. Hvad det koger ned til, er at bruge din computer som et relæ til behandling af beregnings hash for at håndtere transaktioner. En CPU kan gøre dette på et niveau, men en GPU på et grafikkort giver en meget hurtigere metode til at gøre dette. Som følge heraf kan en pc med en GPU generere valuta hurtigere end en uden den.
Hvad er OpenCL?
Den mest bemærkelsesværdige udvikling i brugen af et grafikkort til yderligere ydeevne kommer fra udgivelsen af OpenCL eller Open Computer Language specifikationer. Denne specifikation trækker sammen en bred vifte af specialiserede computerprocessorer ud over en GPU og CPU til accelererende computing. Alle mulige applikationer kan potentielt udnytte den parallelle computer fra blandingen af forskellige processorer for at øge mængden af data, der kan behandles.
Afsluttende tanker og konklusioner
Specialiserede processorer er ikke noget nyt for computere. Grafikprocessorer er blot en af de mere succesfulde og almindeligt anvendte elementer i computeren. Problemet var at gøre disse specialiserede processorer let tilgængelige for applikationer uden for grafik. Programforfattere skulle skrive kode specifik for hver grafikprocessor. Med push for mere åbne standarder for adgang til et emne som en GPU, vil computere få mere brug af deres grafikkort end nogensinde før. Måske er det tid til selv at ændre navnet fra grafikprocessorenheden til den generelle processor enhed.
