O que é uma GPU?
Uma unidade de processamento gráfico (GPU) é um circuito eletrônico capaz de realizar cálculos matemáticos em alta velocidade. Tarefas de computação, como renderização de gráficos, machine learning (ML) e edição de vídeo, exigem a aplicação de operações matemáticas semelhantes em um conjunto de dados grande. O design de uma GPU permite que ela execute a mesma operação em vários valores de dados em paralelo. Isso aumenta sua eficiência de processamento para muitas tarefas com computação intensa.
Por que as GPUs são importantes?
Uma GPU é excelente para realizar processamento paralelo de uso geral, mas, historicamente, nem sempre foi esse o caso. Como o nome sugere, as GPUs foram projetadas inicialmente para uma tarefa específica: controlar a exibição de imagens.
Origem da GPU
Antes da GPU, tínhamos telas matriciais, lançadas nas décadas de 1940 e 1950. Em seguida, foram lançados os monitores vetoriais e raster e, mais tarde, os primeiros consoles de videogame e PCs. Na época, um dispositivo não programável, chamado de controlador gráfico, coordenava a exibição da tela. Os controladores gráficos tradicionalmente dependiam da CPU para processamento, embora alguns incluíssem processadores no chip.
Na mesma época, houve um projeto de imagem 3D relacionado à geração de um único pixel em uma tela com um único processador. O objetivo era produzir uma imagem que combinasse muitos pixels em um curto espaço de tempo. Esse projeto foi a origem da GPU como a conhecemos atualmente.
Foi só no final da década de 1990 que as primeiras GPUs foram lançadas. Estas destinavam-se aos mercados de jogos e design auxiliado por computador (CAD). A GPU integrou um mecanismo de renderização anteriormente baseado em software e um mecanismo de transformação e iluminação ao controlador gráfico, tudo em um chip programável.
Evolução da tecnologia das GPUs
A Nvidia foi a primeira a comercializar as GPUs GeForce 256 de chip único em 1999. As décadas de 2000 e 2010 marcaram uma era de crescimento em que as GPUs ganharam funções como traçado de raios, sombreamento de malhas e tesselação de hardware. Isso levou a uma geração de imagens e performance gráfica cada vez mais avançadas.
Foi só em 2007 que a Nvidia lançou o CUDA, uma camada de software que disponibiliza o processamento paralelo na GPU. Nessa época, ficou claro que as GPUs eram muito eficazes na execução de tarefas altamente específicas. Especificamente, elas se destacaram em tarefas que exigem grande quantidade de poder de processamento para alcançar um resultado específico.
Quando a Nvidia lançou o CUDA, ela abriu a programação com GPUs para um público mais amplo. Os desenvolvedores puderam então programar tecnologias de GPU para todos os tipos de diferentes aplicações práticas com computação intensa. A computação em GPU começou a se tornar muito mais popular.
GPUs são um chip muito procurado para blockchain e outras aplicações emergentes. Elas estão cada vez mais sendo direcionadas à inteligência artificial e ao machine learning (IA/ML).
Quais são as aplicações práticas de uma GPU?
GPUs podem ser usadas em uma ampla variedade de aplicações que exigem computação intensa, incluindo finanças em grande escala, aplicações de defesa e atividades de pesquisa. Aqui estão alguns dos usos mais comuns das GPUs atualmente.
Jogos
As primeiras aplicações da GPU que se estenderam além das aplicações de visualização para grandes empresas e governos foram em jogos pessoais. Elas foram usadas nos consoles de jogos da década de 1980 e ainda estão em PCs e consoles de jogos atuais. GPUs são essenciais para renderizações gráficas complexas.
Visualização profissional
GPUs são usadas em aplicações profissionais, como desenho CAD, edição de vídeo, apresentações e interatividade de produtos, imagens médicas e imagens sísmicas. Elas também são usadas em outras aplicações complexas de edição e visualização de imagens e vídeos. Aplicações baseados em navegador podem até mesmo explorar a GPU por meio de bibliotecas, como a WebGL.
Machine learning
Treinar modelos de machine learning (ML) requer uma grande quantidade de poder computacional. Agora, esses modelos podem ser executados em GPUs para obter resultados acelerados. Embora possa levar muito tempo para treinar um modelo em um hardware adquirido por conta própria, você pode obter resultados rapidamente usando uma GPU na nuvem.
Blockchain
Criptomoedas são construídas em blockchains. Um tipo específico de blockchain, prova de trabalho, normalmente depende muito de GPUs para operação. Circuitos integrados específicos de aplicações (ASIC), um chip semelhante, mas diferente, agora são um substituto comum para o processamento de GPUs para blockchain.
Provas algorítmicas de blockchain do tipo Prova de participação eliminam a necessidade de grandes quantidades de poder computacional, mas a prova de trabalho ainda é generalizada.
Simulação
Aplicações avançadas de simulação, como aquelas usadas em dinâmica molecular, previsão do tempo e astrofísica, podem ser realizadas por meio de GPUs. As GPUs também estão por detrás de muitas aplicações em projetos automotivos e de veículos grandes, incluindo dinâmica de fluidos.
Como funciona uma GPU?
As GPUs modernas geralmente contêm vários multiprocessadores. Cada um tem um bloco de memória compartilhada, além de vários processadores e registradores correspondentes. A GPU em si tem memória constante, além da memória do dispositivo na placa em que está alojada.
Cada GPU funciona de forma um pouco diferente, dependendo de sua finalidade, do fabricante, das especificações do chip e do software usado para coordenar a GPU. Por exemplo, o software de processamento paralelo CUDA da Nvidia permite que os desenvolvedores programem especificamente a GPU com praticamente qualquer aplicação de processamento paralelo de uso geral em mente.
As GPUs podem ser chips autônomos, conhecidos como GPUs autônomas, ou integradas a outros componentes de hardware de computação, conhecidos como GPUs integradas (iGPUs).
GPUs autônomas
GPUs autônomas existem como um chip totalmente dedicado à tarefa em questão. Embora essa tarefa tenha sido tradicionalmente gráfica, agora as GPUs autônomas podem ser usadas como processamento dedicado para tarefas como ML ou simulação complexa.
Quando usada em gráficos, a GPU normalmente reside em uma placa gráfica que se encaixa em uma placa-mãe. Em outras tarefas, a GPU pode residir em uma placa ou slot diferente diretamente na placa-mãe.
GPUs integradas
No início dos anos 2010, começamos a ver um afastamento das GPUs autônomas. Os fabricantes adotaram a introdução da CPU e da GPU combinadas em um chip, solução conhecida como iGPU. As primeiras dessas iGPUs para PC foram as linhas Celeron, Pentium e Core da Intel. Eles continuam populares em laptops e PCs.
Outro tipo de iGPU é o sistema em um chip (SoC) que contém componentes como CPU, GPU, memória e rede. Esses são os tipos de chips normalmente encontrados em smartphones.
Virtual
Assim como outros tipos de infraestrutura de hardware de computação, as GPUs também podem ser virtualizadas. GPUs virtualizadas são uma representação baseada em software de uma GPU que compartilha espaço com outras GPUs virtuais em instâncias de servidores na nuvem. Você pode usá-las para executar suas workloads sem precisar se preocupar com a manutenção do hardware subjacente.
Qual é a diferença entre uma GPU e uma CPU?
A principal diferença entre uma CPU e uma GPU é sua finalidade em um sistema de computador. Elas têm funções diferentes dependendo do sistema. Por exemplo, elas têm finalidades diferentes em um dispositivo portátil de jogos, um PC e um supercomputador com vários gabinetes de servidores.
Em geral, a CPU lida com o controle total do sistema, além de tarefas de gerenciamento e de uso geral. Por outro lado, a GPU lida com tarefas que exigem muita computação, como edição de vídeo ou machine learning.
Mais especificamente, as CPUs são otimizadas para realizar tarefas como estas:
- Gerenciamento do sistema
- Multitarefas em diferentes aplicações
- Operações de entrada e saída
- Funções de rede
- Controle de dispositivos periféricos
- Multitarefas do sistema de memória e armazenamento
Qual a diferença entre uma GPU e uma placa gráfica?
Os nomes GPU (unidade de processamento gráfico) e placa gráfica costumam ser usados de forma intercambiável, mas eles não são a mesma coisa.
Placas gráficas são uma placa adicional (AIB) que se encaixa em um local na placa-mãe do computador. Placas gráficas não estão embutidas no computador; elas são placas intercambiáveis. Uma placa gráfica vem completa com uma GPU.
A GPU é o principal componente das placas gráficas. Ela existe junto com outros componentes, como a RAM de vídeo (VRAM) para memória de vídeo, portas (como HDMI ou DisplayPort) e um componente de resfriamento. No entanto, uma GPU também pode ser embutida diretamente na placa-mãe ou integrada como um chip multifuncional junto com outros componentes.
Como a AWS pode ajudar com seus requisitos de GPU?
A Amazon Web Services (AWS) oferece o Amazon Elastic Compute Cloud (Amazon EC2), a plataforma de computação mais ampla e profunda do mercado.
O Amazon EC2 tem mais de 500 instâncias, e você pode escolher o processador, o armazenamento, a rede, o sistema operacional e o modelo de compra mais recentes. Ele pode atender facilmente às necessidades da sua workload.
Com o Amazon EC2, é fácil alugar e executar GPUs na nuvem. Aproveite as GPUs para obter poder de processamento na edição de vídeo, renderização de gráficos, inteligência artificial (IA) e outros recursos de processamento paralelo.
As instâncias do Amazon EC2 podem se adaptar a praticamente qualquer tipo de workload:
- As instâncias P2 são destinadas a aplicações de computação de GPU de uso geral.
- As instâncias P5 do Amazon EC2 têm oito GPUs integradas. Elas são a última geração de instâncias baseadas em GPU. Elas oferecem a mais alta performance no Amazon EC2 para aprendizado profundo e computação de alta performance (HPC).
- As instâncias G5 do Amazon EC2 são baseadas nos processadores AWS Graviton2 e apresentam GPUs NVIDIA T4G Tensor Core. Elas fornecem o melhor custo-benefício preço no Amazon EC2 para workloads de gráficos, como streaming de jogos para Android.
Comece a usar GPUs na AWS criando uma conta hoje mesmo.
Próximas etapas na AWS
Obtenha acesso instantâneo ao nível gratuito da AWS.
