{"id":63639,"date":"2022-08-23T13:48:03","date_gmt":"2022-08-23T18:48:03","guid":{"rendered":"https:\/\/blogging-techies.com\/sw\/amd-compute-units-vs-nvidia-cuda-cores-vad-ar-skillnaden\/"},"modified":"2022-08-23T13:48:03","modified_gmt":"2022-08-23T18:48:03","slug":"amd-compute-units-vs-nvidia-cuda-cores-vad-ar-skillnaden","status":"publish","type":"post","link":"https:\/\/blogging-techies.com\/sw\/amd-compute-units-vs-nvidia-cuda-cores-vad-ar-skillnaden\/","title":{"rendered":"AMD Compute Units vs. Nvidia CUDA Cores: Vad \u00e4r skillnaden?"},"content":{"rendered":"
\n

Om du har f\u00f6ljt Nvidia och AMD k\u00e4nner du f\u00f6rmodligen till specifikationerna f\u00f6r deras GPU:er som b\u00e5da dessa f\u00f6retag gillar att anv\u00e4nda. Nvidia gillar till exempel att betona CUDA-k\u00e4rnantal f\u00f6r att skilja sitt utbud fr\u00e5n AMD:s kort, medan AMD g\u00f6r samma sak med sina Compute Units.<\/p>\n

Men vad betyder egentligen dessa termer? \u00c4r en CUDA-k\u00e4rna samma sak som en Compute Unit? Om inte, vad \u00e4r skillnaden d\u00e5?<\/p>\n

L\u00e5t oss svara p\u00e5 dessa fr\u00e5gor och se vad som skiljer en AMD GPU fr\u00e5n en Nvidia.<\/p>\n

<\/span> Allm\u00e4n arkitektur f\u00f6r en GPU<\/span><\/h2>\n

Alla GPU:er, oavsett om de \u00e4r fr\u00e5n AMD, Nvidia eller Intel, fungerar p\u00e5 samma s\u00e4tt i allm\u00e4nhet. De har samma nyckelkomponenter och den \u00f6vergripande layouten f\u00f6r dessa komponenter \u00e4r liknande p\u00e5 en h\u00f6gre niv\u00e5.<\/p>\n

S\u00e5 ur ett top-down-perspektiv \u00e4r alla GPU:er desamma.<\/p>\n

N\u00e4r vi tittar p\u00e5 de specifika, propriet\u00e4ra komponenterna som varje tillverkare packar in i sin GPU, b\u00f6rjar skillnaderna att dyka upp. Till exempel bygger Nvidia Tensor-k\u00e4rnor i sina GPU:er, medan AMD GPU:er inte har Tensor-k\u00e4rnor.<\/p>\n

P\u00e5 liknande s\u00e4tt anv\u00e4nder AMD komponenter som Infinity Cache, som Nvidia GPU:er inte har.<\/p>\n

S\u00e5 f\u00f6r att f\u00f6rst\u00e5 skillnaden mellan Compute Units (CUs) och CUDA-k\u00e4rnor m\u00e5ste vi f\u00f6rst titta p\u00e5 den \u00f6vergripande arkitekturen f\u00f6r en GPU. N\u00e4r vi v\u00e4l kan f\u00f6rst\u00e5 arkitekturen och se hur en GPU fungerar kan vi tydligt se skillnaden mellan Compute Units och CUDA-k\u00e4rnor.<\/p>\n

<\/span>Hur fungerar en GPU?<\/span><\/h3>\n

Det f\u00f6rsta du beh\u00f6ver f\u00f6rst\u00e5 \u00e4r att en GPU behandlar tusentals eller till och med miljontals instruktioner samtidigt. D\u00e4rf\u00f6r beh\u00f6ver en GPU massor av sm\u00e5, mycket parallella k\u00e4rnor f\u00f6r att hantera dessa instruktioner.<\/p>\n

Dessa sm\u00e5 GPU-k\u00e4rnor skiljer sig fr\u00e5n stora CPU-k\u00e4rnor som behandlar en komplex instruktion per k\u00e4rna \u00e5t g\u00e5ngen.<\/p>\n

Till exempel har en Nvidia RTX 3090 10496 CUDA-k\u00e4rnor. \u00c5 andra sidan har toppmoderna AMD Threadripper 3970X bara 64 k\u00e4rnor.<\/p>\n

S\u00e5 vi kan inte j\u00e4mf\u00f6ra GPU-k\u00e4rnor med CPU-k\u00e4rnor. Det finns ganska m\u00e5nga skillnader mellan en CPU och GPU eftersom ingenj\u00f6rerna har designat dem f\u00f6r att utf\u00f6ra olika uppgifter.<\/p>\n

Dessutom, till skillnad fr\u00e5n en genomsnittlig CPU, \u00e4r alla GPU-k\u00e4rnor ordnade i kluster eller grupper.<\/p>\n

Slutligen, ett kluster av k\u00e4rnor p\u00e5 en GPU har andra h\u00e5rdvarukomponenter som texturbearbetningsk\u00e4rnor, flyttalsenheter och cacher<\/p>\n

f\u00f6r att hj\u00e4lpa till att behandla miljontals instruktioner samtidigt. Denna parallellism definierar arkitekturen f\u00f6r en GPU. Fr\u00e5n att ladda en instruktion till att bearbeta den, en GPU g\u00f6r allt enligt principerna f\u00f6r parallell bearbetning.<\/p>\n

F\u00f6rst f\u00e5r GPU:n en instruktion att bearbeta fr\u00e5n en k\u00f6 av instruktioner. Dessa instruktioner \u00e4r n\u00e4stan alltid \u00f6verv\u00e4ldigande vektorrelaterade. D\u00e4refter, f\u00f6r att l\u00f6sa dessa instruktioner, skickar en tr\u00e5dschemal\u00e4ggare dem vidare till individuella k\u00e4rnkluster f\u00f6r bearbetning. Efter att ha mottagit instruktionerna tilldelar en inbyggd k\u00e4rnklusterschemal\u00e4ggare instruktionerna till k\u00e4rnor eller bearbetningselement f\u00f6r bearbetning. Slutligen behandlar olika k\u00e4rnkluster olika instruktioner parallellt, och resultaten visas p\u00e5 sk\u00e4rmen. S\u00e5 all grafik som du ser p\u00e5 sk\u00e4rmen, ett videospel, till exempel, \u00e4r bara en samling av miljontals bearbetade vektorer. <\/p>\n

\n<\/figure>\n

Kort sagt, en GPU har tusentals bearbetningselement som vi kallar \u201ck\u00e4rnor\u201d ordnade i kluster. Schemal\u00e4ggare tilldelar arbete till dessa kluster f\u00f6r att uppn\u00e5 parallellitet.<\/p>\n

<\/span> Vad \u00e4r ber\u00e4kningsenheter?<\/span><\/h2>\n

Som framg\u00e5r av f\u00f6reg\u00e5ende avsnitt har varje GPU kluster av k\u00e4rnor som inneh\u00e5ller bearbetningselement. AMD kallar dessa k\u00e4rnkluster f\u00f6r \u201cCompute Units\u201d.<\/p>\n

www.youtube.com\/watch?v=uu-3aEyesWQ&t=202s<\/p>\n

Compute Units \u00e4r en samling bearbetningsresurser som parallella aritmetiska och logiska enheter (ALU), cacher, flyttalsenheter eller vektorprocessorer, register och lite minne f\u00f6r att lagra tr\u00e5dinformation.<\/p>\n

\n<\/figure>\n

F\u00f6r att g\u00f6ra det enkelt annonserar AMD bara antalet ber\u00e4kningsenheter f\u00f6r sina GPU:er och beskriver inte de underliggande komponenterna.<\/p>\n

S\u00e5 n\u00e4r du ser antalet ber\u00e4kningsenheter, t\u00e4nk p\u00e5 dem som en grupp av bearbetningselement och alla relaterade komponenter.<\/p>\n

<\/span> Vad \u00e4r CUDA-k\u00e4rnor?<\/span><\/h2>\n

D\u00e4r AMD gillar att h\u00e5lla saker enkelt med antalet ber\u00e4kningsenheter, komplicerar Nvidia saker genom att anv\u00e4nda termer som CUDA-k\u00e4rnor.<\/p>\n

CUDA-k\u00e4rnor \u00e4r inte precis k\u00e4rnor. De \u00e4r bara flyttalsenheter som Nvidia gillar att ben\u00e4mna som k\u00e4rnor i marknadsf\u00f6ringssyfte. Och, om du kommer ih\u00e5g, har k\u00e4rnkluster m\u00e5nga flyttalsenheter inbyggda. Dessa enheter utf\u00f6r vektorber\u00e4kningar och inget annat.<\/p>\n

S\u00e5 att kalla dem en \u201ck\u00e4rna\u201d \u00e4r ren marknadsf\u00f6ring.<\/p>\n

D\u00e4rf\u00f6r \u00e4r en CUDA-k\u00e4rna ett bearbetningselement som utf\u00f6r flyttalsoperationer. Det kan finnas m\u00e5nga CUDA-k\u00e4rnor i ett enda k\u00e4rnkluster.<\/p>\n

\n<\/figure>\n

Slutligen kallar Nvidia k\u00e4rnkluster \u201cStreaming Multiprocessors or SMs.\u201d SM \u00e4r likv\u00e4rdiga med AMD Compute Units eftersom Compute Units sj\u00e4lva \u00e4r k\u00e4rnkluster.<\/p>\n

<\/span> Vad \u00e4r skillnaden mellan ber\u00e4kningsenheter och CUDA-k\u00e4rnor?<\/span><\/h2>\n

Huvudskillnaden mellan en ber\u00e4kningsenhet och en CUDA-k\u00e4rna \u00e4r att den f\u00f6rra h\u00e4nvisar till ett k\u00e4rnkluster, och den senare h\u00e4nvisar till ett bearbetningselement.<\/p>\n

F\u00f6r att f\u00f6rst\u00e5 denna skillnad b\u00e4ttre, l\u00e5t oss ta exemplet med en v\u00e4xell\u00e5da.<\/p>\n

En v\u00e4xell\u00e5da \u00e4r en enhet som best\u00e5r av flera v\u00e4xlar. Du kan t\u00e4nka p\u00e5 v\u00e4xell\u00e5dan som en ber\u00e4kningsenhet och de individuella v\u00e4xlarna som flyttalsenheter av CUDA-k\u00e4rnor.<\/p>\n

Med andra ord, d\u00e4r Compute Units \u00e4r en samling komponenter, representerar CUDA-k\u00e4rnor en specifik komponent i samlingen. S\u00e5, Compute Units och CUDA-k\u00e4rnor \u00e4r inte j\u00e4mf\u00f6rbara.<\/p>\n

Det \u00e4r ocks\u00e5 d\u00e4rf\u00f6r n\u00e4r AMD n\u00e4mner antalet ber\u00e4kningsenheter f\u00f6r sina GPU:er \u00e4r de alltid ganska l\u00e4gre j\u00e4mf\u00f6rt med konkurrerande Nvidia-kort och deras CUDA-k\u00e4rnantal. En mer f\u00f6rdelaktig j\u00e4mf\u00f6relse skulle vara mellan antalet Streaming Multiprocessors p\u00e5 Nvidia-kortet och antalet Compute Units p\u00e5 AMD-kortet.<\/p>\n

<\/span> CUDA-k\u00e4rnor och ber\u00e4kningsenheter \u00e4r olika och inte j\u00e4mf\u00f6rbara<\/span><\/h2>\n

F\u00f6retag har f\u00f6r vana att anv\u00e4nda f\u00f6rvirrande terminologi f\u00f6r att presentera sina produkter i det b\u00e4sta ljuset. Detta f\u00f6rvirrar inte bara kunden, det g\u00f6r det ocks\u00e5 sv\u00e5rt att h\u00e5lla reda p\u00e5 de saker som betyder n\u00e5got.<\/p>\n

S\u00e5 se till att du vet vad du ska leta efter n\u00e4r du s\u00f6ker efter en GPU. Att h\u00e5lla sig l\u00e5ngt borta fr\u00e5n marknadsf\u00f6ringsjargong kommer att g\u00f6ra ditt beslut mycket b\u00e4ttre och mer stress-free.<\/p>\n

Om f\u00f6rfattaren<\/strong><\/p>\n

Fawad Murtaza (86 artiklar publicerade)
<\/strong><\/p>\n

Fawad \u00e4r en frilansskribent p\u00e5 heltid. Han \u00e4lskar teknik och mat. N\u00e4r han inte \u00e4ter eller skriver om Windows spelar han antingen tv-spel eller dagdr\u00f6mmer om att resa.<\/p>\n

Mer fr\u00e5n Fawad Murtaza<\/p>\n

<\/span>Prenumerera p\u00e5 v\u00e5rt nyhetsbrev<\/span><\/h4>\n

G\u00e5 med i v\u00e5rt nyhetsbrev f\u00f6r tekniska tips, recensioner, free e-b\u00f6cker och exklusiva erbjudanden!<\/p>\n

Klicka h\u00e4r f\u00f6r att prenumerera<\/p>\n<\/p><\/div>\n

\n
\n

Table of Contents<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n