典型計算元素特性

現(xiàn)有的計算元素（或處理器）具有不同的特性，這影響它們處理效率。下圖顯示了不同計算元素的處理效率與應(yīng)用程序的處理特性（例如順序與并行）的關(guān)系圖。每個計算元素都有不同的特征來提高其效率和性能。這些特性從更通用到更特定的解決方案有所不同，由這些不同/可選的特征集定義。

現(xiàn)有處理器的計算特性

中央處理器（CPU）中央處理器是最流行的存儲程序架構(gòu)的處理器（計算元素）。程序被描述為一系列指令，所以通常每個指令會逐步執(zhí)行操作。由于這種逐步執(zhí)行，CPU通常適用于任何順序操作的組合。另一方面，基本CPU不適合并行操作。為了解決這個問題，今天的CPU具有幾個附加的可選功能。

?
單指令多數(shù)據(jù)（SIMD）/向量類型數(shù)據(jù)純CPU不適合數(shù)據(jù)并行，因為內(nèi)部數(shù)據(jù)路徑帶寬限制。為了解決這個限制，一些CPU具有SIMD或向量擴展，可以在一個指令或操作中處理多個（通常是4到16）數(shù)據(jù)流。此外，隨著長數(shù)據(jù)字交易和更大的寄存器文件，與外部資源（如內(nèi)存）的通信也將得到改善，但在處理大量內(nèi)容時，仍會出現(xiàn)瓶頸。

? 多核

由于工藝技術(shù)趨勢，在合理的功耗下提高單個CPU的性能是困難的。多核是解決這個問題的一種方法。如果應(yīng)用程序具有多個（分離的）任務(wù)，多核將發(fā)揮很好的作用，但是如果它具有緊密耦合的內(nèi)部通信，有時處理器間通信（IPC）將瓶頸操作。

數(shù)字信號處理器（DSP）

DSP旨在加速算術(shù)操作（加法、減法、乘法、除法），例如乘積累加操作。

數(shù)據(jù)壓縮/解壓縮、數(shù)字濾波、控制、識別等都包括在內(nèi)，這些算法大量使用乘積累加計算（MAC），這使得DSP能夠高速管理這些過程。

圖形處理單元通用計算（GPGPU）

GPGPU是一種將GPU的計算資源應(yīng)用于圖像處理之外目的的技術(shù)。圖形處理單元（GPU）具有成千上萬的算術(shù)核心（著色器單元），并通過并行重復(fù)簡單的數(shù)值計算來實現(xiàn)圖像處理的高速執(zhí)行。利用這一特性，可以以高速執(zhí)行類似圖像處理的處理，其中包括人工智能（AI），如機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)、虛擬貨幣挖礦、科技研究中的數(shù)值計算和模擬以及流體計算。

要利用GPGPU，需要不同于通用處理器的編程開發(fā)環(huán)境。為了充分利用它，需要適合該架構(gòu)的編程技術(shù)，編程開發(fā)環(huán)境例如NVIDIA的“CUDA”（統(tǒng)一設(shè)備架構(gòu)）、Microsoft的“Direct Compute”和Khronos Group的“OpenCL”等。

專用加速器（例如ISP， xNN）

專用加速器基于為特定應(yīng)用定制的體系結(jié)構(gòu)。例如，數(shù)據(jù)流和存儲器遵循專用方案。加速器甚至可以提供定制邏輯，形成高度專業(yè)化的計算元素。這種專門化極大地增加了計算效率和性能，但以犧牲通用性為代價。使用專用加速器可能需要專用和/或?qū)Ｓ芯幊蹋踔列枰獙Ｓ霉ぞ吆涂蚣堋?/p>