====== Grafické procesory (GPU) a jejich výkon ======

**GPU** (Graphics Processing Unit) je specializovaný elektronický obvod navržený pro rychlou manipulaci s pamětí a urychlení vytváření obrazů v paměťovém rámci (framebufferu) určeném pro výstup na displej. Na rozdíl od [[it:hw:cpu|CPU]], které je navrženo pro sériové zpracování složitých úloh, je GPU optimalizováno pro masivně **paralelní výpočty**.



===== 1. Architektura: Proč je GPU jiné než CPU? =====

Zatímco CPU (procesor) má několik výkonných jader optimalizovaných pro sekvenční logiku (rozhodování "pokud-pak"), GPU se skládá z tisíců menších, efektivních jader navržených pro současné provádění stejné matematické operace nad velkým množstvím dat.

  * **Paralelismus:** Ideální pro grafiku (každý pixel na obrazovce lze vypočítat nezávisle) a maticovou algebru (základ AI).
  * **Video RAM (VRAM):** GPU má vlastní dedikovanou paměť s extrémně vysokou propustností (standardy GDDR6, GDDR6X, HBM3).
  * **Specializovaná jádra:** Moderní GPU obsahují specifické bloky:
    * **RT jádra (Ray Tracing):** Pro simulaci fyzikálního chování světla.
    * **Tensor jádra:** Pro akceleraci výpočtů hlubokého učení (AI).

===== 2. Klíčové parametry výkonu =====

Při posuzování výkonu GPU sledujeme několik metrik:

  * **TFLOPS (Teraflops):** Počet bilionů operací s plovoucí desetinnou čárkou za sekundu. Je to hrubé měřítko výpočetního výkonu.
  * **Počet jader (CUDA cores / Stream Processors):** Čím více jader, tím více paralelních výpočtů najednou.
  * **Propustnost paměti (Memory Bandwidth):** Udává se v GB/s. Určuje, jak rychle může GPU přistupovat k datům ve VRAM.
  * **TDP (Power Limit):** Spotřeba energie, která přímo koreluje s tepelným vyzařováním a potenciálním výkonem.



===== 3. GPGPU: GPU jako obecný procesor =====

Koncept **GPGPU** (General-Purpose computing on Graphics Processing Units) umožnil využít výkon grafických karet pro úlohy, které nesouvisejí s grafikou:
  * **Umělá inteligence (AI):** Trénování velkých jazykových modelů (LLM) probíhá téměř výhradně na GPU.
  * **Kryptografie:** Těžba kryptoměn založených na Proof-of-Work.
  * **Simulace:** Předpověď počasí, dynamika kapalin, molekulární modelování.

===== 4. Softwarová rozhraní (API) =====

Aby mohl software s GPU komunikovat, potřebuje standardizované rozhraní:
  * **Grafická API:** DirectX (Windows), Vulkan (open-source), Metal (Apple).
  * **Výpočetní API:** **CUDA** (uzavřená platforma NVIDIA, standard v AI), **OpenCL** (otevřený standard).

===== 5. Integrovaná vs. Dedikovaná grafika =====

^ Typ ^ Umístění ^ Výhody ^ Nevýhody ^
| **Integrovaná (iGPU)** | Součást balení CPU. | Nízká spotřeba, nízká cena. | Sdílí RAM s CPU, nízký výkon. |
| **Dedikovaná (dGPU)** | Samostatná karta v PCIe slotu. | Obrovský výkon, vlastní VRAM. | Vysoká cena, velká spotřeba a teplo. |

----
//Související články://
  * [[it:hw:cpu|Procesor (CPU)]]
  * [[it:hw:motherboard|Základní deska a PCIe sběrnice]]
  * [[it:os:drivers|Ovladače zařízení (VOD)]]

//Tagy: {{tag>hw gpu hardware graphics ai cuda nvidia amd}}//