GPU مخفف Graphics Processing Unit و به معنای واحد پردازش گرافیکی می باشد.
مسئولیت اصلی این واحد در گذشته تضمین نمایش محتویات روی صفحه نمایش بوده است. اما امروزه GPU علاوه بر اینکه ابزاری اختصاصی برای رندر کردن گرافیکی است، در کلیه پردازش‌ها و محاسبات گرافیکی سنگین در کامپیوترهای شخصی، ایستگاه‌های کاری، سرورهای پردازشی و یا کنسول های بازی مورد استفاده قرار می گیرد.
مطرح شدن GPUها به عنوان پردازنده‌ای همه‌منظوره، قدرت رایانه‌رومیزی را به پای یک ابررایانه ساده می‌رساند، زیرا این پردازنده‌ها بیش از ۱۶ هسته دارند. بدون‌شک آینده در دست برنامه‌هایی است که مخصوص GPUها به صورت موازی نوشته شده‌اند.
تفاوت CPU و GPU
در نگاه اول CPU و GPU هر دو به عنوان پردازنده شناخته می شوند. در معماری CPU هسته های پردازشی به گونه ای طراحی شده اند که پردازش داده های پیچیده در سریع ترین زمان ممکن و به صورت سری انجام شوند، از این رو تعداد هسته ها محدود (حداکثر 50 عدد) و قدرت آن ها افزایش پیدا کرده است. با افزایش پیچیدگی الگوریتم‌های گرافیکی، نیاز به توسعه سخت‌افزارها و محیط‌های برنامه‌نویسی با انعطاف‌پذیری بیشتری به وجود آمد. در نتیجه این امر سخت‌افزارهایی توسعه یافتند که در آن‌ها قابلیت برنامه‌نویسی توسط کاربر ایجاد شد.
این در حالیست که GPU از تعداد هسته بیشتری (بیش از 4000 عدد) تشکیل شده است و می‌تواند تعداد زیادی پردازش را به صورت موازی انجام دهد. اگر CPU را به یک ماشین مسابقه‌ای تشبیه کنیم، GPU یک کامیون حمل بار است.
وجود پهنای باند بیشتر در GPU در کنار تکنولوژی‌های بهینه سازی پردازی مانند CUDA سبب شده است که امکان انجام پردازش‌های سنگین مانند شبیه‌سازی‌های سه‌بعدی، هوش مصنوعی، یادگیری عمیق و … با قدرت بیشتری انجام شوند.
پردازش حجم بالایی از اطلاعات به صورت موازی علاوه بر افزایش سرعت محاسبات باعث خواهد شد تا کاهش هزینه عملیاتی با استفاده از GPU به شکل چشم گیری کاهش پیدا کند.
مزایای استفاده از پردازنده گرافیکی
- اجرای سریع‌تر برخی الگوریتم‌ها از ۱۰ تا ۱۰۰ برابر
- افزایش تعداد هسته‌ها
- دستیابی به توان‌های محاسباتی بالا
- کارایی بسیار بالا
- استفاده از محاسبات ناهمگن
- کاهش استفاده از برق
- کاهش هزینه نگهداری
- کمترین هزینه برای محاسبات
- قابلیت برنامه‌پذیری بالا
جامعه هدف GPU (مشتریان سرویس)
- دانشگاه‌ها
- شتاب دهنده‌ها و استارتاپ‌های هوش مصنوعی
- سازمان‌های بزرگ (مانند بانک‌ها و ارگان نظامی، راهنمایی رانندگی)
- تولیدکننده‌های بازی‌های گرافیکی
- پژوهشگران علوم داده و یادگیری ماشین
- شرکت‌های حوزه تجارت الکترونیک و پردازش تصویر
حوزه های استفاده GPU
- کلان داده‌ها
- شبیه سازی
- اینترنت اشیا
- یادگیری ماشین
- انالیز تصاویر پزشکی
- هوش مصنوعی
- رندرینگ تصویر
- پردازش تصویر