Vad är nvidia cuda-kärnorna och vad är deras betydelse

Mängden CUDA-kärnor är en av de data som vi oftast tittar på när vi väljer en GPU för vår nya PC. Men vad är CUDA-kärnor och vad är deras betydelse? I den här artikeln förklarar vi det för dig på ett mycket enkelt och förståeligt sätt.

CUDA-kärnor, en av de viktigaste uppgifterna för din GeForce GPU

På ett mycket enkelt sätt är CUDA Core en ekvivalent med Nvidias GPU: er till CPU-kärnor. Dessa kärnor är optimerade för att köra ett stort antal beräkningar samtidigt, något som är avgörande för modern grafik. CUDA har länge varit en av höjdpunkterna på specifikationerna på ett GeForce-grafikkort.

Vi rekommenderar att du läser vårt inlägg om Nvidia RTX 2080 Ti Review på spanska

CUDA är en förkortning för en av Nvidias egen teknik: Compute Unified Device Architecture. Dess syfte? Effektiv parallell databehandling. Compute Unified Device Architecture påskyndar GPU-datorprocesser. Tekniken har utvecklats för grafikbehandlingsenheter av Nvidia. Med CUDA kan forskare och programvaruutvecklare skicka C-, C ++- och Fortran-koder direkt till GPU utan att använda en monteringskod. Denna förenkling drar nytta av parallell databehandling där tusentals uppgifter eller trådar körs samtidigt.

En enda CUDA-kärna är analog med en CPU-kärna, med den största skillnaden är att den är mindre sofistikerad men implementerad i mycket större antal. En vanlig CPU har mellan 2 och 16 kärnor, men CUDA-kärnorna är hundratals eller tusentals, även på de lägsta moderna Nvidia- GPU: erna. GeForce GT 1030 är Nvidias enklaste GPU för närvarande, den har 384 CUDA-kärnor, å andra sidan är den nya GeForce RTX 2080 Ti det mest avancerade kortet i företaget och överstiger 4000 CUDA-kärnor för att erbjuda prestanda mycket hög.

Vikten av CUDA-kärnor på din dator

En GPU skiljer sig från en CPU i många avseenden, men för att uttrycka det enkelt är en CPU mer en administratör, ansvarig för att kontrollera hela datorn, medan en GPU är den mest lämpliga lösningen för att göra tunga lyft. Grafikbearbetning kräver att flera komplexa beräkningar utförs samtidigt, varför så stora mängder CUDA-kärnor implementeras i GPU: er. Med tanke på att GPU: er är specifikt utformade och optimerade för detta ändamål kan deras kärnor vara mycket mindre än CPU: n, som är mycket mer mångsidig.

I allt väsentligt kommer alla grafikinställningar som kräver beräkningar att utföras samtidigt i hög grad dra nytta av ett ökat CUDA-kärnantal. Det mest uppenbara är belysning och skuggor, men fysik ingår också, liksom vissa typer av utjämning och omgivningsindeslutning. Där Nvidia har CUDA-kärnor, har dess huvudkonkurrent, AMD, Stream-processorer.

Nu är dessa två tekniker, liksom varje företags respektive GPU-arkitekturer, uppenbarligen olika. Men grundläggande och funktionellt är CUDA-kärnor och strömprocessorer samma sak. CUDA-kärnor är bättre optimerade, eftersom Nvidias hårdvara vanligtvis jämförs med AMD, men det finns inga märkbara skillnader vad gäller grafikprestanda eller kvalitet.

Som ofta är fallet med pappersspecifikationer är antalet kärnor i en GPU i sig inte en bra indikator på vilken typ av prestanda du kan förvänta dig av en hårdvara. Många andra specifikationer, som VRAM-kapacitet, är viktigare att tänka på än CUDA: s kärnantal, och det finns också frågan om mjukvaruoptimering såväl som effektivitet i mikroarkitektur.

På grund av detta är det bästa sättet att fastställa prestandan för en GPU att titta på några riktmärken. På så sätt kan du veta exakt vilken typ av prestanda du kan förvänta dig i ett givet spel.

• Vi rekommenderar att du läser de bästa grafikkorten på marknaden

Allt detta är viktigt för Nvidias CUDA-kärnor. Vi hoppas att det har hjälpt dig att klargöra vilka CUDA-kärnor är, vad de gör och hur viktiga de är. Framför allt hoppas vi att vi har hjälpt till att skingra alla missuppfattningar du kan ha haft i ämnet.