gpu
Graphics Processing Unit (GPU), bir ekran aygıtına çıkış için tasarlanmış bir çerçeve içinde görüntü oluşturmayı hızlandırmak için hafızayı hızlı bir şekilde manipüle etmek ve değiştirmek için tasarlanmış özel bir elektronik devredir.
GPU'lar, paralel işlem yapmak üzere tasarlanmıştır, bu da onları büyük veri kümeleri ve karmaşık hesaplamalar içeren görevler için oldukça verimli hale getirir. Genel amaçlı hesaplama ve sıralı görevler için optimize edilmiş CPU'ların aksine, GPU'lar grafik oluşturma, makine öğrenimi ve bilimsel simülasyonlarda bulunan matris işlemlerini ve paralel iş yüklerini yönetmede mükemmeldir. Binlerce küçük çekirdekten oluşurlar, bu da aynı anda birden fazla işlemi işlemelerine olanak tanır ve hesaplama yoğun uygulamalar için performansı önemli ölçüde artırır.
AI altyapısı bağlamında, GPU'lar makine öğrenimi modellerini eğitmek ve çalıştırmak için çok önemlidir. Paralel işleme yetenekleri, daha hızlı model eğitimi sağlar, bu da araştırmacıların ve mühendislerin daha hızlı yineleme yapmasına ve modelleri daha verimli bir şekilde dağıtmasına olanak tanır. AI'nin büyümesiyle birlikte GPU'lara olan talep artmış, bu da GPU teknolojisinde ilerlemelere ve AI iş yükleri için optimize edilmiş özel donanımların geliştirilmesine yol açmıştır.
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;
🧠 Bilgi testi
🧒 5 yaşındaki gibi açıkla
Bir GPU, büyük bir çizim işinin küçük bir kısmını aynı anda yapan süper hızlı bir işçi ekibi gibidir. Bu, tek bir genel amaçlı işçiye ([CPU](/tr/terms/cpu) gibi) kıyasla resim ve video oluşturmada onu çok daha hızlı hale getirir.
🤓 Expert Deep Dive
CPU'lar ve GPU'lar arasındaki mimari fark, temel tasarım felsefelerinde yatmaktadır: CPU'lar, az sayıda güçlü çekirdek, büyük önbellekler ve karmaşık kontrol mantığı ile sıralı işlemler için düşük gecikme süresi ve görev değiştirmeyi önceliklendirir. Buna karşılık GPU'lar, akışlı çoklu işlemcilerde (SM'ler) gruplandırılmış binlerce daha basit çekirdek ile paralel işlemler için yüksek verimi önceliklendirir. Her SM, doku eşleme ve ışın izleme gibi görevler için özel birimlerin yanı sıra çok sayıda CUDA çekirdeği (NVIDIA) veya Akış İşlemcisi (AMD) içerir. Bellek bant genişliği, GPU performansı için kritik öneme sahiptir; çok sayıda çekirdeği verimli bir şekilde beslemek için yüksek bant genişlikli bellek (HBM) veya GDDR varyantları kullanılır. Derin öğrenmede, NVIDIA GPU'lar için hesaplama birleşik cihaz mimarisi (CUDA), geliştiricilerin genel amaçlı bilgi işlem (GPGPU) için GPU gücünden yararlanmasını sağlayan, temel donanımı soyutlayan bir paralel bilgi işlem platformu ve programlama modeli sunar. Geriye dönük uyumluluk, güç tüketimi, ısı üretimi ve devasa paralel mimariler için programlama karmaşıklığıyla ilgilidir. Özel yapay zeka hızlandırıcıları (örneğin, TPU'lar), belirli makine öğrenmesi iş yükleri için daha fazla optimizasyon sunar ve bazen belirli görevlerde enerji verimliliği açısından GPU'ları geride bırakır.