Se a unidade central de processamento (CPU) é a seção de raciocínio lógico do cérebro de silício de um computador, então a unidade de processamento gráfico (GPU) é sem dúvida o seu lado criativo, ajudando a tornar as interfaces gráficas do usuário em ícones e designs visualmente atraentes, em vez de resmas de linhas preto e branco.
Embora muitas CPUs venham com algum tipo de GPU integrada para garantir que o Windows possa ser exibido em uma tela conectada, há uma infinidade de tarefas baseadas em gráficos mais intensivas, como renderização de vídeo e CAD (desenho auxiliado por computador), que geralmente exigem uma GPU dedicada ou discreta, principalmente na forma de uma placa gráfica.
No que diz respeito a este último, Nvidia e AMD são os dois principais fabricantes de placas gráficas para computadores e notebooks. Além disso, as próprias GPUs integradas Iris Plus e UHD da Intel tendem a realizar muito trabalho leve em notebooks sem gráficos dedicados. E empresas como a Qualcomm e a MediaTek fornecem GPUs para dispositivos móveis, embora elas geralmente projetem o sistema em um chip (SoC), onde a GPU está no mesmo chip que a CPU e outros componentes principais do chipset móvel.
Pode ser fácil pensar em uma GPU como algo em que apenas as pessoas interessadas em jogar games de PC estejam interessadas. Mas continue lendo e você descobrirá que a GPU oferece muito mais do que apenas “grunhidos” gráficos.
O que é uma GPU?
(Graphics Processing Unit) De forma resumida, é um processador programável especializado para a prestação de todas as imagens na tela do computador. Uma GPU fornece o processamento gráfico mais rápido e, para os jogadores, a GPU é uma placa autônoma conectada ao barramento PCI Express (PCIe). Além disso, o circuito da GPU também pode fazer parte do chipset da placa-mãe ou no próprio chip da CPU.
Uma GPU executa operações paralelas. Embora seja usada para dados 2D, bem como para ampliar e movimentar a tela, uma GPU é essencial para decodificar e renderizar animações e vídeos em 3D. Quanto mais sofisticada a GPU, maior a resolução e mais rápido e suave o movimento. As GPUs em placas independentes incluem sua própria memória, enquanto as GPUs integradas no chipset ou no chip da CPU compartilham a memória principal com a CPU.
Mecanismo de rastreamento de raios
As GPUs também podem incluir hardware para acelerar o rastreamento de raios, que simula uma fonte de luz que cai sobre objetos, resultando em áreas brilhantes e sombras. Dessa forma, o rastreamento rápido de raios determina muito o realismo nos videogames e se tornou obrigatório para os jogadores sérios.
Não apenas processamento gráfico
Como as GPUs realizam operações paralelas em vários conjuntos de dados, elas são cada vez mais usadas para aplicativos científicos e de IA que exigem cálculos repetitivos. Por exemplo, em 2010, um supercomputador chinês alcançou o recorde de velocidade máxima usando mais de sete mil GPUs, além de suas CPUs.
Locais de hardware gráfico
Em um PC, a renderização gráfica ocorreu originalmente na CPU. Dessa forma, com o tempo, as funções foram descarregadas para separar os circuitos e depois para as GPUs em placas separadas, no chipset da placa-mãe ou no próprio chip da CPU.
Uma GPU integrada
Este chip Trinity da AMD integra uma GPU sofisticada com quatro núcleos de processamento x86 e um controlador de memória DDR3. Cada seção x86 é uma CPU de núcleo duplo com seu próprio cache L2.
O que ela faz?
A GPU se tornou um termo popular para o componente que alimenta gráficos em uma máquina nos anos 90, quando foi cunhada pela fabricante de chips Nvidia. Dessa forma, a linha de placas gráficas GeForce da empresa foi a primeira a ser popularizada e garantiu a evolução de tecnologias relacionadas, como aceleração de hardware, sombreamento programável e processamento de fluxo.
Embora a tarefa de renderizar objetos básicos, como o ambiente de área de trabalho de um sistema operacional, possa geralmente ser tratada pelas limitadas funcionalidades de processamento gráfico incorporadas à CPU, algumas cargas de trabalho mais árduas exigem potência extra, que é onde entra uma GPU dedicada.
Os gráficos gerados por computador – como os encontrados em videogames ou outras mídias animadas – exigem que cada quadro separado seja “desenhado” individualmente pelo computador, o que requer uma grande quantidade de energia.
A maioria dos PCs de mesa sofisticados possui uma placa gráfica dedicada, que ocupa um dos slots PCIe da placa-mãe. Geralmente, eles têm sua própria alocação de memória dedicada embutida no cartão, reservada exclusivamente para operações gráficas. Alguns PCs particularmente avançados ainda usam duas GPUs conectadas para fornecer ainda mais poder de processamento.
Enquanto isso, os notebooks costumam transportar “navios” móveis menores e menos potentes que os de seus colegas de desktop. Isso lhes permite encaixar uma GPU volumosa em um chassi menor, à custa de parte do desempenho bruto oferecido pelas placas de mesa.
História da Computação “GPU”
Os chips gráficos começaram como pipelines gráficos de função fixa. Ao longo dos anos, esses chips gráficos se tornaram cada vez mais programáveis, o que levou a NVIDIA a apresentar a primeira GPU. No período 1999-2000, cientistas da computação, juntamente com pesquisadores em áreas como imagens médicas e eletromagnética, começaram a usar GPUs para acelerar uma variedade de aplicações científicas. Este foi o advento do movimento chamado GPGPU, ou GPU de uso geral.
O desafio era que o GPGPU exigia o uso de linguagens de programação gráfica como OpenGL e Cg para programar a GPU. Os desenvolvedores tiveram que fazer com que seus aplicativos científicos parecessem aplicativos gráficos e mapeá-los em problemas que atraíam triângulos e polígonos. Isso limitou a acessibilidade ao tremendo desempenho das GPUs para a ciência.
A NVIDIA percebeu o potencial de levar esse desempenho à grande comunidade científica e investiu na modificação da GPU para torná-la totalmente programável para aplicações científicas. Além disso, adicionou suporte para linguagens de alto nível como C, C ++ e Fortran. Isso levou à plataforma de computação paralela CUDA para a GPU.
Para que são usadas as GPUs?
As GPUs são mais comumente usadas para gerar experiências de jogos de alta qualidade, produzindo gráficos digitais realistas. No entanto, também existem vários aplicativos de negócios que dependem de poderosos chips gráficos.
Um software de modelagem 3D como o AutoCAD, por exemplo, usa GPUs para renderizar modelos. Portanto, como as pessoas que trabalham com esse tipo de software tendem a fazer várias pequenas alterações em um curto período de tempo, o PC com o qual estão trabalhando precisa ser capaz de renderizar rapidamente novamente o modelo.
A edição de vídeo é outro caso de uso comum. Embora algumas CPUs poderosas possam lidar com a edição básica de vídeo, se você estiver trabalhando com grandes quantidades de arquivos de alta resolução – particularmente vídeos em 4K – é necessário ter uma GPU de ponta para transcodificar os arquivos em um velocidade razoável.
As GPUs são frequentemente preferidas às CPUs para uso também no aprendizado de máquina, pois elas podem processar mais funções em um determinado período de tempo que as CPUs. Isso os torna mais adequados para a criação de redes neurais, devido ao volume de dados com os quais eles precisam lidar.
Entretanto, nem todas as GPUs são criadas da mesma forma. Dessa forma, fabricantes como AMD e Nvidia geralmente produzem versões corporativas especializadas de seus chips, projetadas especificamente para esses tipos de aplicativos e com suporte mais profundo.
Gostou?
Gostou? O que achou? Deixe seu comentário. Além disso, não se esqueça de entrar no nosso grupo do Telegram. É só clicar em “Canal do Telegram” que está localizado no canto superior direito da página!
Comentários