forked from chenzomi12/AISystem
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path05.srt
1412 lines (1059 loc) · 21.7 KB
/
05.srt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
1
00:00:00,000 --> 00:00:05,440
字幕校对:米哈游天下第一
2
00:00:05,440 --> 00:00:07,560
哈喽大家好,我是ZOMI
3
00:00:07,560 --> 00:00:10,680
今天还是在AI芯片基础的一个内容
4
00:00:10,680 --> 00:00:14,520
不过今天迎来了一个新的简单的内容
5
00:00:14,520 --> 00:00:18,040
就是图形图像处理器GPU
6
00:00:18,040 --> 00:00:19,920
今天不会介绍太多的内容
7
00:00:19,920 --> 00:00:22,120
不过将会在下一个系列里面
8
00:00:22,120 --> 00:00:24,640
会有非常多GPU的深度的展开
9
00:00:24,640 --> 00:00:27,760
第一个会去看看整个GPU的硬件的基础
10
00:00:27,760 --> 00:00:28,840
就是它的工作原理
11
00:00:28,840 --> 00:00:31,280
还有一个编程的本质
12
00:00:31,280 --> 00:00:33,280
接着会以英伟达作为例子
13
00:00:33,280 --> 00:00:35,000
看看GPU的整体的架构
14
00:00:35,000 --> 00:00:36,440
从fermi的架构到hopper
15
00:00:36,440 --> 00:00:38,200
现在的H100
16
00:00:38,200 --> 00:00:40,400
里面可能会有一个小的插曲
17
00:00:40,400 --> 00:00:42,520
就是现在用的非常多的Tensor Core
18
00:00:42,520 --> 00:00:43,720
还有NVLink
19
00:00:43,720 --> 00:00:46,880
最后回到GPU最开始的初衷
20
00:00:46,880 --> 00:00:50,520
它用来做一些图形图像的流水线的处理
21
00:00:50,520 --> 00:00:52,640
里面就会详细的去看一看
22
00:00:52,640 --> 00:00:55,160
GPU里面的图形流水线的基础
23
00:00:55,160 --> 00:00:56,720
还有它的逻辑模块划分
24
00:00:56,720 --> 00:00:59,280
最后再到图形图像处理的一些算法
25
00:00:59,280 --> 00:01:01,720
到硬件是怎么形成
26
00:01:01,720 --> 00:01:04,400
整个英伟达整个GPU的帝国的
27
00:01:04,400 --> 00:01:08,480
现在还是回到通用图形图像处理器
28
00:01:08,480 --> 00:01:10,080
AI芯片的基础
29
00:01:10,080 --> 00:01:12,200
今天要给大家去分享的几个内容
30
00:01:12,200 --> 00:01:14,080
有四部分
31
00:01:14,080 --> 00:01:16,360
第一部分就是GPU的发展历史
32
00:01:16,360 --> 00:01:17,320
还有它的组成
33
00:01:17,320 --> 00:01:19,160
跟CPU其实是一样的
34
00:01:19,160 --> 00:01:21,280
接着简单的去看看
35
00:01:21,280 --> 00:01:24,520
GPU和CPU的一个具体的区别
36
00:01:24,560 --> 00:01:25,880
然后看看
37
00:01:25,880 --> 00:01:28,960
AI的发展为什么需要GPU
38
00:01:28,960 --> 00:01:33,135
最后看看GPU的应用场景了
39
00:01:33,135 --> 00:01:33,160
那事不宜迟
40
00:01:33,160 --> 00:01:34,175
那事不宜迟
41
00:01:34,200 --> 00:01:37,800
现在马上开始今天的主要内容
42
00:01:39,360 --> 00:01:41,920
第一个就是GPU的发展历史
43
00:01:41,920 --> 00:01:44,560
The history of the GPU
44
00:01:45,320 --> 00:01:46,920
看一下GPU发展
45
00:01:46,920 --> 00:01:48,920
其实经历了三个阶段
46
00:01:48,920 --> 00:01:52,320
第一个阶段主要是指初代的GPU
47
00:01:52,480 --> 00:01:54,120
这个时候GPU其实自身
48
00:01:54,120 --> 00:01:57,040
是不具备软件的编程能力的
49
00:01:57,040 --> 00:01:58,760
它没有软件自己的编程能力
50
00:01:58,760 --> 00:02:00,080
那时候CUDA还没有
51
00:02:00,080 --> 00:02:02,600
大家是不能够基于GPU来去做一些
52
00:02:02,600 --> 00:02:04,280
编程写自己的代码的
53
00:02:04,280 --> 00:02:06,480
它只是作为一个CPU的
54
00:02:06,480 --> 00:02:08,040
另外一个计算单元
55
00:02:08,040 --> 00:02:11,120
能够把部分的三维图形图像的功能
56
00:02:11,360 --> 00:02:13,600
从CPU里面剥离出来
57
00:02:13,600 --> 00:02:16,560
针对图形图像这些软件算法
58
00:02:16,560 --> 00:02:19,440
做一些独立的硬件的加速
59
00:02:19,640 --> 00:02:22,640
那个时候有一个最出名的一个引擎
60
00:02:22,640 --> 00:02:24,360
就是几何处理引擎
61
00:02:24,360 --> 00:02:27,120
Geometry Engine作为整体的代表的
62
00:02:27,480 --> 00:02:31,040
下面看一下GPU发展的第二个阶段
63
00:02:31,240 --> 00:02:34,840
第二阶段就是从99年到2005年
64
00:02:35,040 --> 00:02:36,800
这个时候GPU就提供了
65
00:02:36,800 --> 00:02:39,080
更多的硬件的加速能力
66
00:02:39,080 --> 00:02:41,120
还有一些有限的编程性
67
00:02:41,120 --> 00:02:44,880
那时候的编程能力还是非常有限的
68
00:02:45,240 --> 00:02:48,600
而在第二代GPU里面的CUDA
69
00:02:48,720 --> 00:02:52,560
现在熟悉的CUDA还没有出现
70
00:02:52,560 --> 00:02:53,600
那看一下
71
00:02:53,800 --> 00:02:56,440
这个时候其实有两大厂商在竞逐
72
00:02:56,440 --> 00:02:58,640
第一个就是英伟达
73
00:02:58,640 --> 00:03:00,880
第二个就是ATI
74
00:03:00,880 --> 00:03:03,360
那后来ATI被AMD收购了
75
00:03:03,360 --> 00:03:05,680
叫做A卡和N卡
76
00:03:05,680 --> 00:03:08,120
而那个时候ZOMI去买显卡
77
00:03:08,280 --> 00:03:09,760
都是非常之纠结
78
00:03:09,760 --> 00:03:11,680
到底选A卡还是N卡
79
00:03:11,680 --> 00:03:13,760
下面来看一下具体的内容
80
00:03:14,080 --> 00:03:15,040
在99年的时候
81
00:03:15,200 --> 00:03:16,640
英伟达就发布了
82
00:03:16,680 --> 00:03:19,040
GeForce 256图形图像处理器
83
00:03:19,400 --> 00:03:22,640
这个时候真正的去把一些图形图像的
84
00:03:22,640 --> 00:03:24,440
快速变换的显示的功能
85
00:03:24,440 --> 00:03:26,440
从CPU里面分离出来
86
00:03:26,440 --> 00:03:29,640
实现了第一个真正意义的GPU
87
00:03:29,920 --> 00:03:32,360
而在2000年到2005年的时候
88
00:03:32,480 --> 00:03:34,160
是属于一个GPU硬件
89
00:03:34,160 --> 00:03:36,800
硬件高速发展的阶段
90
00:03:36,800 --> 00:03:38,240
整体的运算的速率
91
00:03:38,360 --> 00:03:39,160
就是Float数
92
00:03:39,440 --> 00:03:42,120
超过了CPU非常非常的多
93
00:03:42,120 --> 00:03:43,480
而且超过的比例
94
00:03:43,480 --> 00:03:45,280
也是呈指数性的增长
95
00:03:45,320 --> 00:03:46,960
当时候的图形硬件流水线
96
00:03:47,160 --> 00:03:48,840
被定义为流处理器
97
00:03:49,160 --> 00:03:50,960
当时候的图形硬件的流水线
98
00:03:51,160 --> 00:03:52,560
被称为流处理器
99
00:03:52,560 --> 00:03:53,880
在这些流处理器里面
100
00:03:54,240 --> 00:03:56,240
就出现了顶点可编程
101
00:03:56,240 --> 00:03:57,360
3D的顶点可编程
102
00:03:57,360 --> 00:03:58,640
图像的顶点可编程
103
00:03:58,640 --> 00:04:01,880
还有像素级别的有限可编程
104
00:04:01,880 --> 00:04:02,640
但整体来说
105
00:04:02,640 --> 00:04:04,000
它的编程能力有限
106
00:04:04,000 --> 00:04:07,960
这个时间段更多的是聚焦于硬件的加速
107
00:04:08,440 --> 00:04:12,000
下面就是英伟达和ATI的两块显卡
108
00:04:12,000 --> 00:04:14,000
左边这个就GeForce 6800
109
00:04:14,000 --> 00:04:16,880
右边就是ATI的分别的显卡
110
00:04:16,880 --> 00:04:18,960
而ATI不是被AMD收购了吗
111
00:04:18,960 --> 00:04:20,480
还是保持着红色
112
00:04:20,840 --> 00:04:22,720
接着来到GPU的发展
113
00:04:22,720 --> 00:04:24,040
第3个阶段
114
00:04:24,040 --> 00:04:26,200
从2006年到现在
115
00:04:26,480 --> 00:04:27,240
基本上的目标
116
00:04:27,400 --> 00:04:30,120
就是奔着软件可编程去发展的
117
00:04:30,720 --> 00:04:32,720
刚好也是从2006年开始
118
00:04:32,880 --> 00:04:33,960
英伟达跟ATI
119
00:04:33,960 --> 00:04:34,760
就是A卡
120
00:04:34,760 --> 00:04:35,920
或者AMD的显卡
121
00:04:36,160 --> 00:04:38,440
出现了一个比较大的分水岭
122
00:04:38,800 --> 00:04:41,920
2006年英伟达就推出了一个CUDA
123
00:04:42,280 --> 00:04:44,080
CUDA
124
00:04:44,640 --> 00:04:47,440
而ATI推出了CTM
125
00:04:47,760 --> 00:04:49,640
两个都推出了编程环境
126
00:04:49,640 --> 00:04:51,000
使得GPU打破了
127
00:04:51,000 --> 00:04:53,240
只能够对图形图像
128
00:04:53,480 --> 00:04:54,840
这些硬件进行加速
129
00:04:54,840 --> 00:04:56,440
而成为了真正并行的
130
00:04:56,440 --> 00:04:57,840
数据处理的加速器
131
00:04:57,840 --> 00:05:00,160
也要成为GPU
132
00:05:00,600 --> 00:05:01,640
在2008年的时候
133
00:05:01,760 --> 00:05:03,200
Apple苹果就推出了一个
134
00:05:03,200 --> 00:05:05,080
通用的并行计算平台
135
00:05:05,080 --> 00:05:06,600
OpenCL
136
00:05:06,600 --> 00:05:09,960
就是苹果推出的一个协议和编程语言
137
00:05:10,400 --> 00:05:11,120
跟CUDA不一样
138
00:05:11,240 --> 00:05:12,840
CUDA只能支持英伟达
139
00:05:12,840 --> 00:05:14,080
现在遇到很多客户
140
00:05:14,200 --> 00:05:15,080
希望NPU
141
00:05:15,240 --> 00:05:17,360
支持像CUDA这种编程方式
142
00:05:17,360 --> 00:05:18,520
但其实是不太可能
143
00:05:18,520 --> 00:05:19,720
或者不太现实的
144
00:05:19,720 --> 00:05:22,120
因为CUDA它只针对英伟达有效
145
00:05:22,120 --> 00:05:22,840
像OpenCL
146
00:05:23,000 --> 00:05:25,840
它这种就是跟具体的设备没有关系
147
00:05:25,840 --> 00:05:27,680
而且也是随着2008年
148
00:05:27,960 --> 00:05:29,800
苹果iPhone4的出现
149
00:05:30,280 --> 00:05:31,480
整个OpenCL
150
00:05:31,680 --> 00:05:33,360
已经成为移动端GPU的
151
00:05:33,360 --> 00:05:35,720
一个编程的业界标准
152
00:05:35,720 --> 00:05:38,160
这也是跟生态相关的
153
00:05:39,080 --> 00:05:41,520
简单的打开CUDA来去看看
154
00:05:41,520 --> 00:05:43,160
CUDA就是这一层
155
00:05:43,360 --> 00:05:45,920
基于英伟达的硬件之上的
156
00:05:45,920 --> 00:05:47,400
CUDA它有CUDA toolkit
157
00:05:47,760 --> 00:05:48,920
还有CUDA driver
158
00:05:49,120 --> 00:05:51,960
所以CUDA不仅仅是一个硬件的驱动
159
00:05:51,960 --> 00:05:55,600
它还是一个编程开发的软件工具站
160
00:05:55,600 --> 00:05:57,360
CUDA内部有自己的编译器
161
00:05:57,520 --> 00:05:59,640
有自己的debuggers profilers的一些工具
162
00:05:59,640 --> 00:06:01,520
当然还有一些C++的
163
00:06:01,720 --> 00:06:04,840
API的接口网上提供给去编程的
164
00:06:04,840 --> 00:06:07,280
这网上就是CUDA之上
165
00:06:07,280 --> 00:06:08,840
建立的一些库啦
166
00:06:08,840 --> 00:06:10,040
现在深度学习
167
00:06:10,040 --> 00:06:11,720
经常用到的各种加速库
168
00:06:11,720 --> 00:06:13,920
就是基于CUDA之上构建的
169
00:06:16,520 --> 00:06:17,600
了解完历史之后
170
00:06:17,720 --> 00:06:21,480
看看GPU跟CPU之间的一个差异
171
00:06:37,320 --> 00:06:38,040
1
172
00:06:41,280 --> 00:06:42,200
让我加速一下
173
00:06:49,560 --> 00:06:50,560
女士们 先生们
174
00:06:51,840 --> 00:06:53,080
Leonardo
175
00:06:55,080 --> 00:06:56,280
2.0
176
00:06:57,400 --> 00:07:00,040
当按下这个按钮
177
00:07:00,040 --> 00:07:02,800
2100毫升的空气
178
00:07:02,960 --> 00:07:04,640
通过这些排泄物
179
00:07:04,640 --> 00:07:05,600
通过这些排泄物
180
00:07:05,600 --> 00:07:08,120
通过这些排泄物
181
00:07:08,120 --> 00:07:09,520
通过这些排泄物
182
00:07:09,520 --> 00:07:11,560
底部是一块细胞
183
00:07:11,560 --> 00:07:14,400
这些细胞会飞到7公里的空间
184
00:07:14,400 --> 00:07:15,800
在80毫秒内
185
00:07:15,800 --> 00:07:16,920
达到目标
186
00:07:16,920 --> 00:07:17,920
希望
187
00:07:19,120 --> 00:07:19,920
当它们都完成了
188
00:07:19,920 --> 00:07:21,200
它就会在蒙娜丽莎上画
189
00:07:21,640 --> 00:07:24,760
GPU画画示范
190
00:07:25,480 --> 00:07:26,920
10
191
00:07:27,640 --> 00:07:28,520
9
192
00:07:29,000 --> 00:07:29,800
8
193
00:07:30,200 --> 00:07:31,040
7
194
00:07:31,400 --> 00:07:32,160
6
195
00:07:32,560 --> 00:07:33,280
5
196
00:07:33,680 --> 00:07:34,440
4
197
00:07:34,800 --> 00:07:35,560
3
198
00:07:35,960 --> 00:07:36,680
2
199
00:07:36,880 --> 00:07:37,680
1
200
00:07:44,520 --> 00:07:45,920
女士们 先生们
201
00:07:46,480 --> 00:07:48,960
科学课程现在结束了
202
00:07:50,160 --> 00:07:50,960
谢谢
203
00:07:56,200 --> 00:07:57,440
通过刚才那个视频
204
00:07:57,640 --> 00:07:59,760
看到了CPU跟GPU之间的
205
00:07:59,760 --> 00:08:02,200
一个具体的表现形式
206
00:08:02,200 --> 00:08:05,000
现在来看看图形计算单元了
207
00:08:05,000 --> 00:08:06,280
所谓的图形计算单元
208
00:08:06,520 --> 00:08:07,440
GPU的一开始
209
00:08:07,600 --> 00:08:08,640
其实它没有想过
210
00:08:08,640 --> 00:08:11,000
自己能够成为一个并行的处理器
211
00:08:11,000 --> 00:08:12,600
它主要是接替CPU
212
00:08:12,600 --> 00:08:14,960
对图形进行渲染
213
00:08:14,960 --> 00:08:16,120
因为图形
214
00:08:16,320 --> 00:08:18,520
非常多相同的元素
215
00:08:18,520 --> 00:08:20,680
非常多相同的像素点
216
00:08:20,680 --> 00:08:22,000
要对每个像素点
217
00:08:22,120 --> 00:08:23,680
都执行相同的运算
218
00:08:23,680 --> 00:08:26,520
于是就衍生了GPU
219
00:08:26,520 --> 00:08:29,200
去分担CPU的工作
220
00:08:30,760 --> 00:08:32,520
实际上左边这个
221
00:08:32,520 --> 00:08:35,160
就是之前多次给大家演示到的
222
00:08:35,160 --> 00:08:36,240
CPU的架构图
223
00:08:36,240 --> 00:08:37,040
右边的这个
224
00:08:37,040 --> 00:08:38,960
就是GPU的架构图
225
00:08:38,960 --> 00:08:40,240
从整体的架构图
226
00:08:40,240 --> 00:08:41,040
可以看到了
227
00:08:41,040 --> 00:08:43,400
GPU大部分都有绿色的这些ALU
228
00:08:43,400 --> 00:08:44,880
就是计算单元
229
00:08:44,880 --> 00:08:45,760
去组成的
230
00:08:45,760 --> 00:08:47,320
只有少量的控制单元
231
00:08:47,320 --> 00:08:49,800
和内存的存储单元
232
00:08:49,800 --> 00:08:51,640
反观左边的CPU
233
00:08:51,840 --> 00:08:54,440
不仅仅被cache占用了大量的空间
234
00:08:54,440 --> 00:08:57,360
而且有非常之复杂的控制逻辑电路
235
00:08:57,360 --> 00:08:58,920
还有其他额外的电路
236
00:08:58,960 --> 00:09:02,400
相比起来计算能力的提升
237
00:09:02,640 --> 00:09:05,600
只是CPU里面的很小的一部分
238
00:09:07,480 --> 00:09:10,280
继续打开GPU的整体的架构
239
00:09:10,280 --> 00:09:11,840
来看看GPU有什么不一样
240
00:09:12,360 --> 00:09:14,280
首先第一个就是GPU的cache
241
00:09:14,440 --> 00:09:16,160
是非常非常的少的
242
00:09:16,280 --> 00:09:19,080
第二个它有很少的控制单元
243
00:09:19,440 --> 00:09:22,280
不擅长处理if-else-while-for
244
00:09:22,320 --> 00:09:24,520
这种控制流语句
245
00:09:24,720 --> 00:09:27,760
第三个就是有非常多的
246
00:09:27,880 --> 00:09:33,440
ALU就是绿色的计算单元
247
00:09:33,440 --> 00:09:35,360
ALU已经成矩阵的排列
248
00:09:35,360 --> 00:09:37,120
非常非常的多
249
00:09:37,120 --> 00:09:38,520
而这里面很有意思的
250
00:09:38,520 --> 00:09:40,920
就是cache非常的少