电脑小词典

显卡 GPU及其相关概念 GPU：英文全称Graphic Processing Unit,中文翻译为。图形处理器“。GPU是相对于CPU的一个概念．GPU主要作用是提供3D图像运算和3D特效处理功能．也即所谓的“硬件加速”功能．决定了该显卡的档次和大部分性能,。它通过将三维图像和特效处理功能集中在GPU芯片内．使显卡减少了对CPU的依赖。     

华硕EN9800GTX＋OK/HTDI/512M显卡 黑马王子

说华硕EN9800GTX＋DK／HTDI／512M（以下简称EN9800GTX＋）是黑马王子,颇具艺术品气质．并不为过。因为它配备的散热器相当有质感．工艺很出色。整个散热器采用镀镍处理,整体为黑色．可有效防止热管氧化．最大程度杜绝了热管吸收GPU热量能力的丧失．且四热管也可较大程度提高散热器吸收GPU的能力。值得一提的是．散热器采用了大片的铝合金散热鳍片。这可以提高散热鳍片及时将GPU热量散发开来的能力。     

板卡上的元器件逐个数（4）显卡的核心

GPU作为显卡的“心脏”．在显卡中扮演了很重要的角色．如同电脑里的CPU一样．GPU决定了显卡的档次和大部分性能,那它究竟是如何构成的？GPU是不是只负责图形处理？想要弄明白这GPU究竟为“何物”的朋友就接着往下看吧!     

一种基于GPU硬件加速计算的辐射度实现方法

提出一种新的基于GPU(graphics processing unit)的辐射度方法．该方法利用可编程图形处理单元GPU的并行计算能力,将辐射度方法中形状因子计算以及线性方程组求解的全过程完全在可编程图形硬件中完成,避免了原有基于GPU的辐射度方法需要CPU参与的问题,绕开了计算机主内存与GPU纹理内存之间数据交换的瓶颈;在基于半立方体法的形状因子计算和绘制过程中,解决了基于GPU硬件加速的遍历、分类和累加问题．此外,该方法采用新的矩阵和向量在GPU中的存储方法,利用GPU实现Jacobi迭代法快速求解线性方程组．实验结果证明。该方法能够快速有效地实现辐射度的计算和绘制．     

未来的计算技术发展——异构化计算的API时代

让GPU进行通用计算已经显示出广泛的应用前景．NVIDIA和AMD都推出了相关的解决方案。随着OpenCL的发布。计算将迈上一个新台阶，它将掀起GPU和CPU革命的高潮。这就是异构化计算的API时代。NVIDIA、AMD．英特尔、微软……他们在这场革命中分别将扮演什么样的角色？     

品质与性能并重 盈通游戏高手GTX460显卡

测试手：第一次将它拿在手上时．盈通游戏高手GTX460显卡的“厚重”，使我们颇为吃惊。实际测试来看，该显卡散热器的设计更强调将GPU的温度排除机箱．从而降低整个机箱的温度。属于整体式的侧吹散热方案，相对而言对GPU核心的散热稍蓑。凭借较高的默认频率，使它在性能测试中的表现突出，值得肯定。     

基于GPU的串匹配算法研究

BF算法是串匹配算法中最基础的算法，但它是串行算法，不适合图形处理器（Graphic Processing Unit, GPU）的体系结构。结合GPU的特殊体系结构，通过数据存取方式和计算策略的改进，充分利用了GPU的并行处理能力，从而基于GPU实现了BF算法。实验结果表明基于GPU的并行算法能够取得较好的加速比，同时也给出了在现有GPU架构上有效实现通用计算的瓶颈。     

GPU通用计算解密

很多朋友都知道CPU是一台计算机的运算核心和控制核心,在早期的计算机中,所有的运算几乎都是通过CPU完成的。不过随着显卡GPU的发展,越来越多只需要简单、大数据量的计算,这时便主要依靠GPU了。比如我们之前介绍的比特币挖矿机,它的计算就主要通过GPU来完成。即使是现在的超级计算机也离不开GPU,比如中国的天河一号A,它就拥有7168颗Tesla M2050 GPU(图1)。下面就让我们了解一下GPU的神秘幕后。     

新书点评

GPU精粹3 本书是GPU精粹系列畅销书的第三卷，展示了前沿的图形处理单元（GPU）编程技术。现代GPU的可编程性让开发者不仅可以在自己的岗位上迅速脱颖而出．更使得他们可以在非图形应用中运用GPU的卓越处理能力，例如，物理仿真、金融分析，     

惠普推出全新的GPU Starter Kit

8月25日,英伟达公司宣布,惠普打造的限量版GPU StarterKit现已上市。GPU Starter Kit是一款预配置的系统,它为研究人员提供了一个即买即用的GPU计算集群。GPU Starter Kit由八台惠普     

完美变身OCCT化身综合检测工具

在进入3．0．0版本之后，OCCT引入了更多的新功能，并通过更强大的测试和完备的最终输出结果来展示它在CPU、GPU测试中独特而优秀的一面。成为了一款综合型测试软件。     

基于CUDA的BP算法并行化与实例验证

CUDA是应用较广的GPU通用计算模型,BP算法是目前应用最广泛的神经网络模型之一。提出了用CUDA模型并行化BP算法的方法。用该方法训练BP神经网络,训练开始前将数据传到GPU,训练开始后计算隐含层和输出层的输入输出和误差,更新权重和偏倚的过程都在GPU上实现。将该方法用于手写数字图片训练练实验,与在四核CPU上的训练相比,加速比为6．12～8．17。分别用在CPU和GPU上训练得到的结果识别相同的测试集图片,GPU上的训练结果对图片的识别率比CPU上的高0．05％～0．22％。     

采用鲨鱼仿生学的个性化显卡 iGame 460 UP烈焰战神X 1024M显卡

测试手记：iGame460采用了鲨鱼仿生学设计．实际测试表明的确能够有效降低GPU温度。而且其具备出色用料．可以保证在高频下的稳定。不过和上代iGame显卡一样。它仍然无法实现实时一键超频。     

每月新技术之星

得益于高并行计算架构．GPU在执行流处理时效能远超CPU．其浮点计算性能往往达到同级CPU的十倍以上。这种趋势在未来将继续保持．伴随着软件环境的支持．GPU的应用范围将延伸到所有涉及高负载浮点计算的领域，通用性将不断增强．GPU在计算机中的地位也不断提升．并达到与CPU分庭抗礼的地步。     

一种基于GPU的预计算辐射度传递全频阴影算法

针对基于CPU的实时渲染全频阴影算法中内存使用效率低下、CPU运算能力消耗严重等问题,提出了基于GPU的改进算法．在预计算过程中使用基于小波变换的预计算辐射度传递（PRT）算法生成PRT矩阵,然后将其编码为易于被GPU使用的稀疏形式;在渲染过程中使用具有高度并行性的片断渲染器程序进行稀疏矩阵向量快速乘法计算,以求得最终渲染结果．相对于目前基于CPU的相应算法,算法充分利用了GPU的并行计算能力,平衡了CPU与GPU之间的负载,并同时降低了内存消耗．在一般情况下,算法可以获得超过一个数量级的性能提升．     

基于GPU加速的TIP技术

为加快TIP（Tour Into the Picture）的绘制速度,提出1种基于GPU（Graphics Processing Unit）的方法,充分利用GPU的运算能力,把背景纹理提取过程从CPU转移到GPU中进行,利用GPU固定管道进行TIP绘制,CPU负责前景模型的深度计算及纹理提取．因此,CPU与GPU可以并行运算,显著提高纹理映射速度从而缩短整个TIP绘制时间,满足用户在虚拟场景中漫游的实时性要求．     

基于GPU的图像快速旋转算法的研究及实现

本文提出一种基于GPU（图形处理器）的图像旋转并实时绘制方法。首先,文章概述了一种由GPU完成旋转变换的算法,指出其存在的问题与局限性;然后,引出基于GPU的图像旋转算法,并利用DirectX9．0作为软件开发包,在VC＋＋6．0平台实现了图像的旋转以及实时显示;最后,对两种方法的实验结果进行了比较与分析。算法充分吸收GPU在速度以及节约CPU资源等方面的优势,保证了图像旋转的运算速度与旋转质量。     

没有想不到 趣味分析和预测GPU的发展

在GPU的发展中，我们已经看了太多的潮起潮落和大风大浪。那么，有没有想过利用数学的方法将其量化．并借此以判断GPU发展的速度和未来的情况呢？我们刚好在国外的real world technologies网站上看到一篇通过数学统计方法来研究GPU性能发展的趣味文章．该作者先通过一些和GPU性能相关的参数建立一个公式并得到相关数据，然后用实例去验证。     

原生的力量——三款中高端PEG显卡对比测试

在PCI-Express显卡刚刚推出之际，nVIDIA与ATi的研发方向截然不同nVIDIA在原有的GPU之外加上一个桥接芯片来支持PCI-Express，而ATi则抱定原生主义．宣称X300、X600为原生的PEG显示核心。其后引起的争论以及其中的是非曲直不是我们今天讨论的主题。俱往矣．还看今朝。真正的原生PEG显示核心已经相继浮出水面．原生PEG的意义在于它不会在接口部分影响GPU的性能发挥，同时还可以降低成本．增加显卡的兼容性。     

娱乐接口之王 昂达MCP73主板通杀25款热门游戏

美国东部时间9月25日凌晨1点（北京时间9月26日）．昂达联合Intel、NVIDIA正式向全球率先发布MCP73芯片组主板。携全球最核心GPU研发能力．作为NVIDIA为Intel平台设计的第一代IGP（整合）架构Geforce主板．昂迭MCP73主板是目前GPU性能最强的Intel整合主板．它的出现已经引起业内最强烈的响应。[编者按]