Vad är hårdvaruacceleration och hur är det användbart?

Hårdvaruacceleration(Hardware) använder specialbyggd datorhårdvara (dvs. kiselmikrochips) för att utföra en snäv uppsättning uppgifter snabbare än en generell CPU (centralprocessor).

Vad betyder det för dig som användare? Du har ofta möjlighet att aktivera eller inaktivera hårdvaruacceleration i dina applikationer. Så hur användbar är hårdvaruacceleration, och vad gör den?

Vad är hårdvaruacceleration(Hardware Acceleration) ( Simple Edition )

Här är en enkel förklaring av hårdvaruacceleration. Hoppa(Skip) till nästa avsnitt för en djupgående titt på processen. 

CPU :n(CPU) i din dator kan lösa nästan alla typer av matematiska problem. CPU- kretsar använder fler komponenter för att hantera många typer av uppgifter. De tar upp mer plats, genererar mer värme och är inte lika elegant designade som en krets byggd för ett enda jobb. 

Med hårdvaruacceleration gör en speciell integrerad krets eller mikroprocessor en specifik uppgift eller en smal uppsättning relaterade jobb. Kretsens design slösas inte bort på något annat, och detta ger en betydande prestandafördel. 

Ibland är den hårdvaran inbyggd i själva processorn(CPU) . De flesta moderna processorer(CPUs) har dedikerade interna sektioner som accelererar specifika typer av matematik som används för uppgifter som videokodning(video encoding) och kryptering(encryption) .

I korthet innebär hårdvaruacceleration att ge ett specifikt jobb till en unik hårdvara som är en ypperlig bransch och vaggar på det.

Vilka är fördelarna(Benefits) med hårdvaruacceleration(Hardware Acceleration) ?

Hur gynnar hårdvaruacceleration programmet du använder? Det beror ofta på typen av hårdvara och typen av acceleration, men de vanliga fördelarna gäller i de flesta situationer.

  • Hårdvaruacceleration(Hardware) förbättrar prestandan avsevärt. Din applikation kommer att fungera smidigare, eller så kommer applikationen att slutföra en uppgift på mycket kortare tid.
  • Det frigör din CPU för att göra andra saker som leder till förbättrad systemprestanda. CPU : n(CPU) kan ladda ner arbete till den specialiserade hårdvaran och sedan fortsätta med att till exempel köra videospel samtidigt med strömmande videor eller använda en applikation som Discord .
  • Hårdvaruacceleration(Hardware) kan vara avgörande för batteridrivna enheter. Det är därför din smartphone eller surfplatta kan spela upp video under så lång tid utan att ladda batteriet. Ett litet specialiserat chip använder nästan alltid mindre ström än en stor, komplex CPU .

Finns(Are) det nackdelar(Downsides) med hårdvaruacceleration(Hardware Acceleration) ?

Generellt sett är hårdvaruacceleration något som du vill fortsätta med, men det finns vissa fall där det kan vara en nackdel. 

  • Hårdvaruacceleration(Hardware) orsakar ofta instabilitet. Trots att de är långsamma, tenderar processorer(CPUs) att vara mycket pålitliga. Till exempel är det ingen mening med att ha hårdvaruacceleration påskynda videoexporten och sedan få processen att krascha innan den är klar.
  • Hårdvaruacceleration(Hardware) är oflexibel för nya utvecklingar. Till exempel kan du ha hårdvaruacceleration i din dator för en specifik videokodningsmetod, men om något bättre dyker upp måste du köpa ny hårdvara för att stödja det. 
  • Den typ av hårdvaruacceleration som ditt system stöder kanske inte ger de bästa resultaten. Så om du föredrar kvalitet framför hastighet, vore det bättre att låta processorn(CPU) sköta arbetet i vissa fall. Till exempel, om du inte har hårdvarustöd för HEVC- kodning men vill ha dess kvalitetsfördelar gentemot H.264 CODEC , måste du lita på CPU- baserad kodning.

Var kan jag använda hårdvaruacceleration(Use Hardware Acceleration) ?

Det finns för många typer av hårdvaruacceleration tillgängliga för att lista dem alla här, men här är några vanliga som du kommer att stöta på som en vanlig datoranvändare.

Webbläsarhårdvaruacceleration(Browser Hardware Acceleration)

Webbläsare(Web) kan vara förvånansvärt CPU-tunga(CPU-heavy) applikationer. Moderna(Modern) webbplatser har snygga grafiska effekter och bilder och ljud med hög kvalitet. Webbapplikationer(Web) som använder 3D-grafik drar nytta av GPU - hårdvaruacceleration. 

Maskinvaruacceleration(Hardware) är vanligtvis på som standard i dessa applikationer, och du bör endast inaktivera den för felsökning(troubleshooting) .

Videokodningsacceleration(Video Encoding Acceleration)

  • De flesta processorer har nu acceleration för den vanliga H.264 -videostandarden, och stödet för H.265 växer också. 
  • Nya Nvidia GPU:er(Nvidia GPUs) har också ett dedikerat "NVENC"-kodarchip som tar över arbetet med att spela in eller strömma spelmaterial så att det inte påverkar spelets prestanda.
  • Applikationer som Adobe Premiere Pro erbjuder GPU-baserad hårdvaruacceleration, vilket förbättrar prestandan vid redigering och export av projekt.

GPGPU (General Purpose GPU) Acceleration

Grafiska processorer började livet som 3D-grafikacceleratorer, men moderna GPU:er(GPUs) kan göra ett ganska brett utbud av enkla operationer mycket snabbt. Dessa processorer består av hundratals eller tusentals enkla små processorer som alla arbetar parallellt. 

Detta gör dem idealiska för vissa typer av datakrossning som måste köras genom en algoritm. GPU:er(GPUs) är utformade på detta sätt eftersom rendering av grafik innebär att pixelvärden bearbetas parallellt. Så din GPU bestämmer hur var och en av de miljoner pixlarna på skärmen ska se ut samtidigt. Det visar sig att applikationer för djupinlärning och datautvinning också drar nytta av denna metod för beräkning.

Ray Tracing och Machine Learning Acceleration(Ray Tracing and Machine Learning Acceleration)

GPU -utvecklare har nu lagt till dedikerade co-processorer som gör ett ännu mer specialiserat jobb än GPU - kärnorna. 

  • Den senaste generationen av Nvidia GPU(Nvidia GPUs) :er har speciella komponenter som accelererar matematiken för strålspårning(ray tracing) , vilket är en metod för att rita 3D-grafik genom att simulera hur ljus fortplantar sig genom en scen.
  • Dessa GPU(GPUs) :er har en extra processor som är väldigt bra på att göra så kallad "tensor"-matematik. Dessa är användbara i applikationer som använder neural net machine learning, vilket blir allt vanligare i vardagliga datoruppgifter.

Acceleration finns överallt

Det finns hårdvaruacceleration i nästan alla datorenheter nuförtiden och när vissa datorjobb blir populära kommer datavetare att skapa ännu mer dedikerade system för att få dem att fungera snabbare och mer effektivt. 

Så luta dig tillbaka och njut av farten!



About the author

Jag är en erfaren mjukvaruingenjör med över 10 års erfarenhet av att utveckla och hantera användarkonton, familjesäkerhet och Google Chrome-teknik. Jag har en stark grund inom matematik och datavetenskap som jag använder för att skapa tydliga, kortfattade beskrivningar av mina färdigheter.



Related posts