GPU 架構是圖形處理器

GPU 架構是圖形處理器（GPU）的內部設計和組織方式，它決定了 GPU 的效能、功能和效率。以下是 GPU 架構的一些主要組成部分和相關特點：

1. 流處理器（Streaming Processor）或著色器核心（Shader Core）：
   • 這是 GPU 中最基本的計算單元，負責執行圖形渲染和計算任務中的各種計算操作，例如頂點著色、畫素著色、幾何著色等。每個流處理器都可以獨立地執行指令，並行處理大量的資料。在不同的 GPU 架構中，流處理器的數量、效能和組織方式會有所不同。例如，NVIDIA 的 GPU 架構中具有 CUDA 核心，而 AMD 的 GPU 架構中有類似的流處理器單元。這些核心的數量越多，GPU 的平行計算能力就越強，能夠同時處理更多的圖形資料和計算任務，從而提高圖形渲染的速度和質量。
2. 紋理單元（Texture Unit）：
   • 主要負責處理紋理對映操作。紋理是應用在 3D 模型表面的影像，紋理單元負責讀取和過濾紋理影像，並將其應用到相應的模型表面上，以增強模型的真實感。紋理單元需要快速地訪問視訊記憶體中的紋理資料，並進行各種過濾操作，如雙線性過濾、三線性過濾等，以確保紋理在模型表面上的正確顯示。高效的紋理單元可以減少紋理讀取的延遲，提高紋理對映的速度和質量。
3. 光柵化單元（Rasterizer）：
   • 將 3D 圖形的幾何資訊（如頂點座標、三角形面等）轉換為 2D 螢幕上的畫素資訊。它的工作是確定哪些畫素位於三角形面內，併為這些畫素生成相應的顏色、深度等資訊，以便後續的畫素處理階段進行處理。光柵化單元的效能直接影響到 GPU 能夠處理的幾何圖形的複雜度和渲染速度。快速的光柵化單元可以在單位時間內處理更多的幾何圖形，從而提高圖形渲染的效率。
4. 視訊記憶體控制器（Memory Controller）：
   • 負責管理 GPU 與視訊記憶體之間的資料傳輸。視訊記憶體是 GPU 儲存圖形資料和計算結果的地方，視訊記憶體控制器需要根據 GPU 的需求，快速地讀取和寫入視訊記憶體中的資料。它需要協調 GPU 核心與視訊記憶體之間的頻寬分配，確保資料的及時傳輸，以滿足 GPU 對資料的高速訪問需求。不同的 GPU 架構可能採用不同的視訊記憶體控制器設計，例如，一些架構可能採用更高效的視訊記憶體介面技術，如 GDDR6、HBM 等，以提高視訊記憶體的頻寬和資料傳輸速度。
5. 排程器（Scheduler）和執行緒管理單元（Thread Management Unit）：
   • 排程器負責分配 GPU 的計算資源給不同的任務和執行緒。它需要根據任務的優先順序、依賴關係和 GPU 的資源狀況，合理地安排流處理器等計算單元的工作。執行緒管理單元則負責管理和排程 GPU 中的執行緒，確保執行緒的正確執行和同步。良好的排程器和執行緒管理單元可以提高 GPU 的資源利用率，減少任務的等待時間，從而提高 GPU 的整體效能。
6. 快取（Cache）：
   • GPU 中通常包含多級快取，如一級快取（L1 Cache）、二級快取（L2 Cache）等。快取的作用是儲存頻繁訪問的資料，以減少對視訊記憶體的訪問次數，提高資料訪問的速度。例如，一級快取通常位於 GPU 核心內部，與流處理器緊密相連，可以快速地為流處理器提供資料；二級快取則通常更大，可以儲存更多的資料，用於快取從視訊記憶體中讀取的資料以及中間計算結果。高效的快取設計可以減少資料傳輸的延遲，提高 GPU 的效能。
7. 特殊功能單元：
   • 除了上述基本組成部分外，現代 GPU 架構還可能包含一些特殊功能單元，以支援特定的圖形技術和計算任務。例如：
     • 光線追蹤核心（Ray Tracing Core）：用於加速光線追蹤演算法，實現更真實的光影效果。光線追蹤是一種先進的圖形渲染技術，它可以模擬光線在場景中的傳播和反射，從而生成非常逼真的光影效果。光線追蹤核心專門針對光線追蹤演算法進行了最佳化，可以快速地計算光線與場景中物體的互動，提高光線追蹤的渲染速度。
     • 張量核心（Tensor Core）：用於加速深度學習和人工智慧計算。張量核心可以高效地執行矩陣乘法等張量運算，這對於深度學習模型的訓練和推理非常重要。透過張量核心，GPU 可以在人工智慧計算方面發揮強大的效能，支援各種人工智慧應用，如影像識別、語音處理、自然語言處理等。