Con la creciente popularidad de campos como el aprendizaje profundo, el modelado/renderizado 3D, los juegos de realidad virtual y la criptominería, los requisitos informáticos modernos se han disparado. Los componentes de hardware encargados de proporcionar la potencia informática evolucionaron en respuesta a la demanda. Esta evolución llegó al punto en que a veces es difícil diferenciar entre sus funciones en el sistema informático.
A continuación se muestra una descripción general de los principales puntos de comparación entre la CPU y la GPU.
| CPU | GPU |
|---|
| Un número menor de núcleos más grandes (hasta 24) | Un número mayor (miles) de núcleos más pequeños |
| Baja latencia | Alto rendimiento |
| Optimizado para procesamiento en serie | Optimizado para procesamiento paralelo |
| Diseñado para ejecutar programas complejos | Diseñado para cálculos simples y repetitivos |
| Realiza menos instrucciones por reloj | Realiza más instrucciones por reloj |
| Gestión automática de caché | Permite la gestión manual de la memoria |
| Económico para cargas de trabajo más pequeñas | Económico para cargas de trabajo más grandes |
¿Qué es una CPU?
La CPU (Unidad central de procesamiento) o el procesador principal ejecuta las instrucciones informáticas. Conectado a la placa base a través de un zócalo de CPU, la CPU escucha la entrada de un programa de computadora o un periférico como un teclado, mouse o panel táctil. Luego interpreta y procesa la entrada y envía la salida resultante a los periféricos o la almacena en la memoria.
¿Qué es una GPU?
La GPU (Unidad de procesamiento de gráficos) es un procesador de gráficos especializado diseñado para poder procesar miles de operaciones simultáneamente. Las aplicaciones 3D exigentes requieren procesamiento paralelo de texturas, puré y luz para que las imágenes se muevan sin problemas por la pantalla, y la arquitectura de la CPU no está optimizada para esas tareas. El propósito original de las GPU era acelerar la representación de gráficos.
Diferencia entre CPU y GPU
Aunque ambos son chips de procesamiento basados en silicio, las CPU y GPU difieren significativamente en arquitectura y aplicación.
CPU vs. Arquitectura GPU
La CPU consta de miles de millones de transistores conectados para crear puertas lógicas, que luego se conectan en bloques funcionales. A mayor escala, la CPU tiene tres componentes principales:
- Unidad Aritmética y Lógica (ALU) se compone de circuitos que realizan operaciones aritméticas y lógicas.
- La Unidad de Control obtiene instrucciones de la entrada y las reenvía a ALU, caché, RAM o periféricos.
- Caché almacena valores intermedios necesarios para los cálculos de ALU o ayuda a realizar un seguimiento de las subrutinas y funciones en el programa que se está ejecutando.
Las CPU pueden tener varios núcleos con sus propias ALU, unidades de control y caché.
La GPU consta de componentes similares, pero presenta una cantidad mucho mayor de núcleos especializados más pequeños. El propósito de varios núcleos es permitir que la GPU realice múltiples operaciones informáticas paralelas. .
CPU vs. Representación GPU
Las GPU se crearon principalmente para la manipulación de gráficos, lo que explica por qué son tan superiores a las CPU en cuanto a velocidad de renderizado. Dependiendo de la calidad de las piezas individuales de hardware, la renderización de GPU puede ser hasta cien veces más rápida que la renderización de CPU.
Sin embargo, una buena experiencia de renderizado no depende solo de la velocidad. Por ejemplo, trabajar con imágenes en 3D requiere realizar múltiples tareas complejas mientras se mantienen sincronizados los datos. Diseñadas para la complejidad, las CPU tienden a superar a las GPU en el renderizado 3D, ya que las GPU están diseñadas para realizar tareas más simples y directas.
Además, las GPU están limitadas a la memoria de su tarjeta gráfica (generalmente hasta 12 GB), que no se acumula y no se puede expandir fácilmente sin causar cuellos de botella y dañar el rendimiento. La CPU utiliza la memoria principal del sistema, que es fácilmente ampliable y llega hasta los 64 GB.
Caché de CPU vs. Caché de la GPU
La CPU usa caché para ahorrar tiempo y energía necesarios para recuperar datos de la memoria. El caché está diseñado para ser más pequeño, más rápido y más cercano a los otros componentes de la CPU que la memoria principal.
La memoria caché de la CPU se compone de varias capas. El nivel más cercano al núcleo es utilizado solo por ese núcleo, mientras que la capa más alejada se comparte entre todos los núcleos de la CPU. Las CPU modernas realizan la gestión de caché automáticamente. Cada capa decide si la parte de la memoria debe conservarse o desalojarse en función de la frecuencia de uso.
La memoria local de la GPU es estructuralmente similar a la memoria caché de la CPU. Sin embargo, la diferencia más importante es que la memoria de la GPU presenta una arquitectura de acceso a la memoria no uniforme. Permite a los programadores decidir qué piezas de memoria conservar en la memoria de la GPU y cuáles expulsar, lo que permite una mejor optimización de la memoria.
CPU vs. Aprendizaje profundo de GPU
El aprendizaje profundo es un campo en el que las GPU funcionan significativamente mejor que las CPU. Los siguientes son los factores importantes que contribuyen a la popularidad de los servidores GPU en el aprendizaje profundo:
- Ancho de banda de memoria - El propósito original de las GPU era acelerar la representación 3D de texturas y polígonos, por lo que fueron diseñadas para manejar grandes conjuntos de datos. El caché es demasiado pequeño para almacenar la cantidad de datos que una GPU procesa repetidamente, por lo que las GPU cuentan con buses de memoria más anchos y rápidos.
- Grandes conjuntos de datos - Los modelos de aprendizaje profundo requieren grandes conjuntos de datos. La eficiencia de las GPU en el manejo de cálculos con gran cantidad de memoria las convierte en una opción lógica.
- Paralelismo - Las GPU usan el paralelismo de subprocesos para resolver el problema de latencia causado por el tamaño de los datos:el uso simultáneo de múltiples subprocesos de procesamiento.
- Eficiencia de costes - Grandes cargas de trabajo de redes neuronales requieren mucha potencia de hardware. Para este propósito, los sistemas basados en GPU ofrecen muchos más recursos por menos dinero.
CPU vs. Minería GPU
Si bien la minería de GPU tiende a ser más costosa, las GPU tienen una tasa de hash más alta que las CPU. Las GPU ejecutan hasta 800 veces más instrucciones por reloj que las CPU, lo que las hace más eficientes para resolver los complejos problemas matemáticos necesarios para la minería. Las GPU también son más eficientes energéticamente y más fáciles de mantener.
¿Cómo funcionan juntas la CPU y la GPU?
Al comparar los dos, es importante comprender que las GPU se diseñaron para complementar las CPU, no para reemplazarlas. La CPU y la GPU trabajan juntas para aumentar la cantidad y la velocidad de los datos procesados.
Una GPU no puede reemplazar una CPU en un sistema informático. La CPU es necesaria para supervisar la ejecución de tareas en el sistema. Sin embargo, la CPU puede delegar cargas de trabajo repetitivas específicas a la GPU y liberar sus propios recursos necesarios para mantener la estabilidad del sistema y los programas que se ejecutan.
