而GPU却从最初的设计就能够执行并行指令，从一个GPU核心收到一组多边形数据，到完成所有处理并输出图像可以做到完全独立 。由于最初GPU就采用了大量的执行单元，这些执行单元可以轻松的加载并行处理，而不像CPU那样的单线程处理 。另外，现代的GPU也可以在每个指令周期执行更多的单一指令 。例如，在某些特定环境下，Tesla架构可以同时执行MAD+MUL or MAD+SFU 。
文章插图
CPU和GPU的架构区别
可以看到GPU越来越强大，GPU为显示图像做了优化之外，在计算上已经超越了通用的CPU 。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的，也就是超于游戏，使得GPU能够发挥其强大的运算能力 。
N年前NVIDIA发布CUDA，这是一种专门针对GPU的C语言开发工具 。与以往采用图形API接口指挥GPU完成各种运算处理功能不同，CUDA的出现使研究人员和工程师可以在熟悉的C语言环境下，自由地输入代码调用GPU的并行处理架构 。这使得原先需要花费数天数周才能出结果的运算大大缩短到数几小时，甚至几分钟之内 。
CUDA是用于GPU计算的开发环境，它是一个全新的软硬件架构，可以将GPU视为一个并行数据计算的设备，对所进行的计算进行分配和管理 。在CUDA的架构中，这些计算不再像过去所谓的GPGPU架构那样必须将计算映射到图形API（OpenGL和Direct 3D）中，因此对于开发者来说，CUDA的开发门槛大大降低了 。CUDA的GPU编程语言基于标准的C语言，因此任何有C语言基础的用户都很容易地开发CUDA的应用程序 。
那么，如何使得CPU与GPU之间很好的进行程序之间的衔接呢？以GPGPU的概念来看，显卡仍然需要以传统的DirectX和OpenGL这样的API来实现，对于编程人员来说，这样的方法非常繁琐，而CUDA正是以GPGPU这个概念衍生而来的新的应用程序接口，不过CUDA则提供了一个更加简便的方案——C语言 。
推荐阅读
- 茶与体育
- CPU怎么保证内存访问冲突？一致性？
- 程序员老司机都要错的 Python 陷阱与缺陷列表
- 东陵石和玉的区别 东陵玉和翡翠的区别
- 茶与生活
- 茶与画的相遇
- 茶与名人
- 宋都杭州与茶文化共兴盛
- 茶与知音人
- 揭秘,英国红茶与中国奶茶的爱情之谜