电脑中的CPU和GPU是什么意思？

CPU ：中央处理器，是一块超大规模的集成电路，是一台计算机的运算核心（Core）和控制核心（ Control Unit）。它的功能主要是解释计算机指令以及处理计算机软件中的数据。

GPU ：图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。

CPU和GPU它们分别针对了两种不同的应用场景

1、CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。

2、GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。

扩展资料

CPU和GPU应用的方向

1、CPU所擅长的像 *** 作系统这一类应用，需要快速响应实时信息，需要针对延迟优化，所以晶体管数量和能耗都需要用在分支预测、乱序执行、低延迟缓存等控制部分。

2、GPU适合对于具有极高的可预测性和大量相似的运算以及高延迟、高吞吐的架构运算。

参考资料来源：百度百科：中央处理器

参考资料来源：百度百科：图形处理器

CPU:中央处理器（英文Central Processing Unit）是一台计算机的运算核心和控制核心。CPU、内部存储器和输入/输出设备是电子计算机三大核心部件。其功能主要是解释计算机指令以及处理计算机软件中的数据。
GPU:英文全称Graphic Processing Unit，中文翻译为“图形处理器”。一个专门的图形核心处理器。GPU是显示卡的“大脑”，决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。

一、什么是GPU？
GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。而另一个方面，以nVIDIA 公司的GEFORCE256为代表的新一带的图形芯片对CPU的依赖程度已经不是那样的高，于是有了GPU，专门的图形处理器的意思。
二、显示卡的相关知识：
GPU是一种图形的设备，就不能不来谈谈显示卡。
显示卡的主要作用是对图形函数进行加速。早期的电脑，CPU和标准的EGA或VGA显示卡以及帧缓存(用于存储图象)，可以对大多数图象进行处理，但是它们只是起一种传递作用，我们所看到的就是CPU所提供的。这对老的 *** 作系统象DOS，以及文本文件的显示是足够的，但是这种组合对复杂的图形和高质量的图象的处理就显得力不从心了，特别是当用户使用Windows *** 作系统后，CPU已经无法对众多的图形函数进行处理，而最根本的解决方法就是图形加速卡。图形加速卡拥有自己的图形函数加速和显存，这些都是专门用来执行图形加速任务，因此就可以大大减少CPU所必须处理的图形函数。比如我们想画个圆圈，如果单单让CPU作这个工作，它就要考虑需要多少个像素来实现，还要想想用什么颜色，但是如果图形加速卡芯片具有画圈这个函数，CPU只需要告诉它“给我画个圈”剩下的工作就由加速卡来进行，这样CPU就可以执行其他更多的任务，这样就提高了计算机的整体性能。
实际上现在的显示卡都已经是图形加速卡，它们多多少少都可以执行一些图形函数通常所说的加速卡的性能，是指加速卡上的芯片集能够提供的图形函数计算能力，这个芯片集通常也称为加速或图形处理器。一般来说在芯片集的内部会有有一个时钟发生器、VGA核心和硬件加速函数，很多新的芯片集在内部还集成了RAMDAC(后面会介绍)。芯片集可以通过它们的数据传输带宽来划分，最近的芯片多为64位或128位，而早期的显卡芯片为32位或16位。更多的带宽可以使芯片在一个时钟周期中处理更多的信息。但是大家不要以为128位芯片就会比64位芯片快两倍，更大的带宽为我们带来的是更高的解析度和色深，加速卡的速度很大程度上受所使用的显存类型以及驱动程序的影响。现在生产加速卡的厂商可以分为两类。一类是自己生产芯片，自己设计卡板并生产，例如MGA所生产的加速卡多为此类(m3d除外)，因为从设计到生产都是自己进行，所以对BIOS和驱动程序的设计会做的较好。另外一类就是使用别人设计的芯片，自己设计卡板线路并生产，象Diamond就是这一类中比较著名的厂家。

CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。
当需要对大数据bigdata做同样的事情时，GPU更合适，当需要对同一数据做很多事情时，CPU正好合适。
GPU能做什么？关于图形方面的以及大型矩阵运算，如机器学习算法等方面，GPU就能大显身手。
简而言之，CPU擅长统领全局等复杂 *** 作，GPU擅长对大数据进行简单重复 *** 作。CPU是从事复杂脑力劳动的教援，而GPU是进行大量并行计算的体力劳动者。
深度学习是模拟人脑神经系统而建立的数学网络模型，这个模型的最大特点是，需要大数据来训练。因此，对电脑处理器的要求，就是需要大量的并行的重复计算，GPU正好有这个专长。

CPU是处理器，负责计算机内的各项指令计算、执行、调度和控制等；
处理器越强的机器，性能越高，可以多开、运行大型软件更快等。
GPU是图形处理器（显卡），主要负责图形、显示方面的计算和渲染、输出等。
显卡越强，玩游戏、渲染制图的效果越好。

两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异。

首先需要解释CPU和GPU这两个缩写分别代表什么。CPU即中央处理器，GPU即图形处理器

两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件；

GPU的核数远超CPU，被称为众核（NVIDIA Fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（GPU初始时在浮点计算上一直弱于CPU）。从结果上导致CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务，如分布式计算，数据压缩，人工智能，物理模拟，以及其他很多很多计算任务等。

GPU由于历史原因，是为了视频游戏而产生的（至今其主要驱动力还是不断增长的视频游戏市场），在三维游戏中常常出现的一类 *** 作是对海量数据进行相同的 *** 作，如：对每一个顶点进行同样的坐标变换，对每一个顶点按照同样的光照模型计算颜色值。GPU的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。

在2003-2004年左右，图形学之外的领域专家开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算（即GPGPU）。之后NVIDIA发布了CUDA，AMD和Apple等公司也发布了OpenCL，GPU开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，Map-Reduce等），金融分析等等。

---