3D加速视觉计算畅谈GPU未来革命发展

CNET中国·PChome.net 类型:原创作者: k男责编:李凯男时间:2008-07-05

互联网的变化，视觉计算的未来

上个分页简单阐述了视觉计算将会是未来GPU发展的一个重要拐点，那么究竟视觉计算到底对我们普通用户会有多大影响呢？之前的GPU跟未来GPU用户怎么才能最简单的理解呢？视觉是人类获取信息的重要途径。我们有句成语“百闻不如一见”和西方人常说的“One picture is worth ten thousand words ”表达的就是这个思想。网络世界改变我们PC用户的使用习惯，上网、聊天、看新闻、玩网络游戏看高清玩视频等等。这也能解释为何YouTube这样视频网站很火的主要原因了，而国内优酷、土豆网、六间房等视频网站竞争也异常激烈。

那K男就从视频说起，在优酷网上如果我们想把原创视频或是电视卡录入好的电视节目等大容量视频上传，超过1G以上的容量就要安装超G客户端组件，好现在我们算一下吧，如果按照1M的ADSL容量算，就算每秒上传速度是100K，1G容量的视频就要1024*1024/100*60 = 175分钟，大约3个小时，时间是不是有点要命，如果掉线。。。更可怕的是上传后的视频，在优酷服务端也需要二次转码才能发布，过G容量的视频在转换过程中花费时间可能更多，因为要看优酷服务端CPU处理器“高兴程度了”，整体漫长的等待是必须了。

同样土豆网上传视频的要求似乎更高一点，最大不能超过200M，最长时间必须在30分钟以内，并且要至少大于50KB。。。过G容量的视频想上传，像K男这样的新注册用户就别想了。

土豆网在上传视频的左栏K男发现提供一些常用工具下载，这些工具有视频编辑工具还有视频压缩工具，还有视频分割工具，不过这样软件对于入门级用户操作相对有点难度。

这就需要我们对原始过大的视频进行二次转码，让体积变小，符合上传要求。以前我们使用的工具都是靠CPU来进行解码，我想好多用户在压缩过G视频，一定会因为CPU利用率100%或是需要很长时间而烦恼。这点我们2个视频MM一定深有感触。她们常常需要压缩一个超大的视频，必须苦苦等待20小时以上，还要期盼不能死机，否则一切从头再来。

那你会问跟显卡有关系么？跟视觉计算有关系么？其实有很大关系，因为NVIDIA在视频计算中就是利用GPU并行计算的计算架构，用CUDA解决了视频压缩需要大量的并行计算在CPU上消耗的时间跟效率。你不用真正了解何谓并行计算跟串行计算或是CUDA到底是何物，请看下一个分页的举例测试你就会清楚了。当然你也可以通过下面的名词解释更清楚。

何谓CUDA ↓

NVIDIA CUDA技术是当今世界上唯一针对NVIDIA GPU（图形处理器）的C语言环境，为支持CUDA技术的NVIDIA GPU（图形处理器）带来无穷的图形计算处理性能。凭借NVIDIA CUDA技术，开发人员能够利用NVIDIA GPU（图形处理器）攻克极其复杂的密集型计算难题，应用到诸如石油与天然气的开发，金融风险管理，产品设计，媒体图像以及科学研究等领域。CUDA工具集的核心其实是一个C语言编译器。

为什么GPU跑得快 ↓

GPU具有两点主要特征：超长流水线与并行计算。如果装配一台汽车需要10个时间单元，将它分成10个流水线阶段，每个阶段分配一个时间单元，那么一条装配线每一个时间单元就可以生产一辆汽车。显然流水线模式的生产在理想状况下要比串行方式快了十倍。 GPU通过单指令多数据(SIMD)指令类型来支持数据并行计算。在单指令多数据流的结构中，单一控制部件向每条流水线分派指令，同样的指令被所有处理部件同时执行。例如NVIDIA 8800GT显卡中包含有14组多处理器(Multiprocessor)，每组处理器有8个处理单元(Processor)，但每组多处理器只包含一个指令单元(Instruction Unit)。

GPU流式编程模型 ↓

GPU编程以流式编程模型为基础，它以允许高效计算和通信的方式构造程序[3]。在流式编程模型中，所有数据都表现为流。我们把流定义为具有相同数据类型的数据的有序集。数据类型可以是简单的(整数或浮点数流)或复杂的(点或三角形或变换矩阵流)。流可以是任意长度，如果流很长(流中有上百或更多的元素)，那么流上的操作并行度将很高。流上允许的操作包括复制它们，从它们导出子流，用一个单独的索引流索引入它们，以及用核在它们上执行计算。GPU程序称为核，核操作整个流，获取一个或多个流作为输入并产生一个或多个流作为输出。核的特征是它操作多个流上的所有元素而不是独立的元素。

CPU程序以异步的方式调用GPU核程序。GPU作为CPU的协处理器(Coprocessor)提供服务。