今天主要介紹一下GPU、CPU和兩者之間的區別。下面，我們一起來看。

1. CPU即中央處理器

CPU( Central Processing Unit, 中央處理器)就是機器的“大腦”，也是布局謀略、發號施令、控制行動的“總司令官”。

CPU的結構主要包括運算器(ALU, Arithmetic and Logic Unit)、控制單元(CU, Control Unit)、寄存器(Register)、高速緩存器(Cache)和它們之間通訊的數據、控制及狀態的總線。

簡單來說就是：計算單元、控制單元和存儲單元

2. GPU即圖形處理器。

GPU全稱為Graphics Processing Unit，中文為圖形處理器，就如它的名字一樣，GPU最初是用在個人電腦、工作站、游戲機和一些移動設備(如平板電腦、智能手機等)上運行繪圖運算工作的微處理器。

為什么GPU特別擅長處理圖像數據呢?這是因為圖像上的每一個像素點都有被處理的需要，而且每個像素點處理的過程和方式都十分相似，也就成了GPU的天然溫床。

GPU的構成相對簡單，有數量眾多的計算單元和超長的流水線，特別適合處理大量的類型統一的數據。但GPU無法單獨工作，必須由CPU進行控制調用才能工作。CPU可單獨作用，處理復雜的邏輯運算和不同的數據類型，但當需要大量的處理類型統一的數據時，則可調用GPU進行并行計算。

兩者區別：

從根本上說CPU和GPU它們的目的不同，且有不同側重點，也有著不同的性能特性，在某些工作中CPU執行得更快，另一工作中或許GPU能更好。當你需要對大量數據做同樣的事情時，GPU更合適，當你需要對同一數據做很多事情時，CPU正好。

然而在實際應用中，后一種情形更多，也就是CPU更為靈活能勝任更多的任務。GPU能做什么?關于圖形方面的以及大型矩陣運算，如機器學習算法、挖礦、暴力破解密碼等，GPU會大幅提高計算效率。

• Cache, local memory： CPU > GPU
• Threads(線程數): GPU > CPU
• Registers: GPU > CPU 多寄存器可以支持非常多的Thread,thread需要用到register,thread數目大，register也必須得跟著很大才行。
• SIMD Unit(單指令多數據流,以同步方式，在同一時間內執行同一條指令): GPU > CPU。

簡單地說，CPU擅長分支預測等復雜操作，GPU擅長對大量數據進行簡單操作。一個是復雜的勞動，一個是大量并行的工作。

其實GPU可以看作是一種專用的CPU，專為單指令在大塊數據上工作而設計，這些數據都是進行相同的操作，要知道處理一大塊數據比處理一個一個數據更有效，執行指令開銷也會大大降低，因為要處理大塊數據，意味著需要更多的晶體管來并行工作，現在旗艦級顯卡都是百億以上的晶體管。

CPU呢，它的目的是盡可能快地在單個數據上執行單個指令。由于它只需要使用單個數據單條指令，因此所需的晶體管數量要少得多，目前主流桌面CPU晶體管都是十億以下，和頂級GPU相差十倍以上，但它需要更大的指令集，更復雜的ALU(算術邏輯單元)，更好的分支預測，更好的虛擬化架構、更低的延遲等等。

另外，像我們的操作系統Windows，它是為x86處理器編寫的，它需要做的任務執行的進程，在CPU上肯定更為高效，你想每個線程的任務并不相同，基本上難以并行化，完全發揮不了GPU的長處。

總結

總而言之，CPU和GPU因為最初用來處理的任務就不同，所以設計上有不小的區別。CPU的運算速度取決于請了多么厲害的教授。教授處理復雜任務的能力是碾壓小學生的，但是對于沒那么復雜的任務，還是頂不住人多。當然現在的GPU也能做一些稍微復雜的工作了，相當于升級成初中生高中生的水平。但還需要CPU來把數據喂到嘴邊才能開始干活，最終還是靠CPU來管的。