什么是硬件加速以及它有什么用处?


硬件加速使用专门构建的计算机硬件(即硅微芯片)以比通用中央处理器 (中央处理器)更快的速度完成一组狭窄的任务。

作为用户,这对您意味着什么?您通常可以选择在应用程序中打开或关闭硬件加速。那么硬件加速有多大用处,它有什么作用呢?

什么是硬件加速(简单版)

这里简单解释一下硬件加速.跳到下一部分以深入了解该过程。

计算机中的 CPU 几乎可以解决任何类型的数学问题。 CPU 电路使用更多的组件来处理多种任务。它们占用更多空间,产生更多热量,并且设计得不像为单一工作而构建的电路那么优雅。

通过硬件加速,一个特殊的集成电路或微处理器完成一个特定的任务或一组狭窄的相关工作。电路的设计不会浪费在其他任何东西上,这提供了显着的性能优势。

有时硬件内置于 CPU 本身。大多数现代 CPU 都有专用的内部部分,可以加速用于任务的特定类型的数学运算,例如 视频编码加密

简而言之,硬件加速意味着将特定的工作分配给一个独特的硬件,这是一门生意,并且在它上面摇摆不定。

硬件加速的好处是什么?

硬件加速如何使您使用的应用程序受益?它通常取决于硬件类型和加速类型,但通常的好处适用于大多数情况。

  • 硬件加速大大提高了性能。您的应用程序将运行得更顺畅,或者应用程序将在更短的时间内完成一项任务。
    • 它可以释放您的 CPU 来做其他导致改进了系统性能。 CPU 可以将工作卸载到专用硬件上,然后继续进行,例如,同时运行视频游戏和流式视频或使用 不和谐 之类的应用程序。
      • 硬件加速对于电池供电的设备至关重要。这就是为什么您的智能手机或平板电脑可以长时间播放视频而不会耗尽电池电量。小型专用芯片几乎总是比大型复杂 CPU 使用更少的功率。
      • 硬件加速是否存在缺点?

        在一般来说,硬件加速是你想要保留的东西,但在某些情况下它可能是一个缺点。

        • 硬件加速通常会导致不稳定。尽管速度很慢,但 CPU 往往非常可靠。例如,让硬件加速加速视频导出,然后在完成之前让进程崩溃,这毫无意义。
          • 硬件加速对于新的开发是不灵活的。例如,您的计算机中可能有针对特定视频编码方法的硬件加速,但如果出现更好的东西,您将不得不购买新硬件来支持它。
            • 您的系统支持的硬件加速类型可能无法提供最佳结果。因此,如果您更喜欢质量而不是速度,那么在某些情况下最好让 CPU 处理工作。例如,如果您没有对 HEVC 编码的硬件支持,但希望其质量优于 H.264 编解码器,则您将不得不依赖基于 CPU 的编码。
            • 哪里我可以使用硬件加速吗?

              可用的硬件加速形式太多,无法在此一一列出,但这里有一些您作为普通计算机用户会遇到的常见硬件加速。

              浏览器硬件加速

              Web 浏览器可能是 CPU 密集型应用程序。现代网站具有精美的图形效果和高保真视觉和声音。使用 3D 图形的 Web 应用程序受益于 GPU 硬件加速。

              这些应用程序中通常默认启用硬件加速,您应该只在 故障排除 中禁用它。

              视频编码加速

              • 现在大多数 CPU 都具有针对常见 H.264 视频标准的加速功能,并支持 H. 265也在增长。
              • 最近的 Nvidia GPU 还具有专用的“NVENC”编码器芯片,可接管录制或流式传输游戏画面的工作,以免影响游戏性能。
              • 应用程序,例如Adobe 首映 Pro 提供基于 GPU 的硬件加速,从而在编辑和导出项目时提高性能。
              • GPGPU(通用 GPU)加速

                图形处理器最初是作为 3D 图形加速器使用的,但现代 GPU 可以非常快速地执行相当广泛的简单操作。这些处理器由数百或数千个并行工作的简单小型处理器组成。

                这使得它们非常适合需要通过算法运行的某些类型的数据处理。 GPU 是这样设计的,因为渲染图形涉及并行处理像素值。因此,您的 GPU 会同时确定屏幕上数百万个像素中的每一个应该是什么样子。事实证明,深度学习和数据挖掘应用程序也受益于这种计算方法。

                光线追踪和机器学习加速

                GPU 开发人员现在添加了专用协处理器,这些协处理器的工作比 GPU 内核更专业。

                • 最新一代的 Nvidia GPU 具有特殊组件,可以加速 光线追踪 的数学运算,这是一种通过模拟光如何在场景中传播来绘制 3D 图形的方法。
                • 这些 GPU 有一个额外的处理器,非常擅长进行所谓的“张量”数学运算。这些在使用神经网络机器学习的应用程序中非常有用,这在日常计算任务中变得越来越普遍。
                • 加速无处不在

                  如今几乎所有计算设备都有硬件加速,随着某些计算工作变得流行,计算机科学家将创建更多专用系统,使它们工作得更快、更高效。

                  所以坐下来享受速度吧!

                  Related posts:


                  15.06.2021