GPU
Una Unidad de Procesamiento Gráfico (GPU) es un circuito electrónico especializado diseñado para manipular y alterar rápidamente la memoria para acelerar la creación de imágenes en un buffer de marco destinado a la salida a un dispositivo de pantalla.
Las GPUs están diseñadas para realizar procesamiento paralelo, lo que las hace muy eficientes para tareas que involucran grandes conjuntos de datos y cálculos complejos. A diferencia de las CPUs, que están optimizadas para la computación de propósito general y las tareas secuenciales, las GPUs sobresalen en el manejo de las operaciones matriciales y las cargas de trabajo paralelas inherentes al renderizado de gráficos, el aprendizaje automático y las simulaciones científicas. Constan de miles de núcleos más pequeños, lo que les permite procesar múltiples operaciones simultáneamente, lo que aumenta significativamente el rendimiento para aplicaciones de computación intensiva.
En el contexto de la infraestructura de IA, las GPUs son cruciales para entrenar y ejecutar modelos de aprendizaje automático. Sus capacidades de procesamiento paralelo permiten un entrenamiento de modelos más rápido, lo que permite a los investigadores e ingenieros iterar más rápidamente e implementar modelos de manera más eficiente. La demanda de GPUs ha aumentado con el crecimiento de la IA, lo que ha llevado a avances en la tecnología de GPUs y al desarrollo de hardware especializado optimizado para cargas de trabajo de IA.
graph LR
Center["GPU"]:::main
Rel_asic["asic"]:::related -.-> Center
click Rel_asic "/terms/asic"
Rel_asus_rog["asus-rog"]:::related -.-> Center
click Rel_asus_rog "/terms/asus-rog"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧠 Prueba de conocimiento
🧒 Explícalo como si tuviera 5 años
Una GPU es como un equipo de trabajadores súper rápido, cada uno haciendo una pequeña parte de un gran trabajo de dibujo al mismo tiempo. Esto hace que sea mucho más rápido creando imágenes y videos que un solo trabajador todoterreno (como una [CPU](/es/terms/cpu)).
🤓 Expert Deep Dive
La diferencia arquitectónica entre las CPU y las GPU reside en su filosofía de diseño fundamental: las CPU priorizan la baja latencia y el cambio de tareas para operaciones secuenciales, presentando pocos núcleos potentes, cachés grandes y lógica de control compleja. Las GPU, por el contrario, priorizan un alto rendimiento para operaciones paralelas, presentando miles de núcleos más simples agrupados en multiprocesadores de streaming (SM). Cada SM contiene numerosos núcleos CUDA (NVIDIA) o procesadores de flujo (AMD), junto con unidades especializadas para tareas como el mapeo de texturas y el trazado de rayos. El ancho de banda de memoria es crítico para el rendimiento de la GPU; se emplean variantes de memoria de alto ancho de banda (HBM) o GDDR para alimentar eficientemente los numerosos núcleos. En el aprendizaje profundo, la arquitectura de dispositivo unificado de cómputo (CUDA) para GPU NVIDIA proporciona una plataforma de computación paralela y un modelo de programación que abstrae el hardware subyacente, permitiendo a los desarrolladores aprovechar la potencia de la GPU para la computación de propósito general (GPGPU). Las compensaciones implican el consumo de energía, la generación de calor y la complejidad de la programación para arquitecturas masivamente paralelas. Los aceleradores de IA especializados (por ejemplo, TPU) ofrecen una mayor optimización para cargas de trabajo de ML específicas, superando a veces a las GPU en eficiencia energética para ciertas tareas.