在过去的几十年里，超大规模集成电路技术的飞速发展使得在一个芯片上**出数十亿个晶体管成为可能。这一技术进步导致了设计和开发速度更快、能效更高的硬件。快速增加的时钟速率和更高的内存带宽提高了性能。而通用处理器单核性能的提高，由于工作频率增长率的降低而减弱。造成这种情况的两个主要原因是处理器和内存速度之间的差距越来越大，以及电源的限制。为了解决这些问题，微处理器行业转向了多核处理器。除了克服这些瓶颈的多核处理器之外，还有其他可行的替代方案，包括定制设计的集成电路和可重编程FPGA，以及GPU。那么，对于您的计算需求，您更喜欢什么呢？GPU还是FPGA？

什么是图形处理器(gpu)？

图形处理单元（GPU），通常称为图形卡或视频卡，是一种图形处理器，用于处理要输出到显示器上的图形信息。GPU是一种专门的处理器，最初是为了满足加速图形渲染的需要而设计的，主要是为了提高计算机上游戏的图形性能。事实上，大多数消费GPU都致力于实现卓越的图形性能和视觉效果，从而实现逼真的游戏体验。但是今天的gpu远不止它们最初出现的个人电脑。

在gpu出现之前，通用计算，正如我们所知，只有cpu才有可能实现，cpu是为消费者和高级计算**的第一批主流处理单元。GPU计算在过去的几十年中有了巨大的发展，在机器学习、人工智能和深度学习等领域得到了广泛的应用。随着GPU api（如计算统一设备体系结构（CUDA））的引入，GPU已经提高了一个层次，这为深层神经网络库的开发铺平了道路。

什么是fpga(fpga)？

现场可编程门阵列（FPGA）是一种完全不同的野兽，它将GPU的计算性能提升到了一个全新的水平，在深度神经网络（DNNs）应用中提供了优越的性能，同时显示出功耗的提高。FPGA最初用于连接总线控制器或处理器等电子元件，但随着时间的推移，其应用领域发生了巨大的变化。FPGA是一种半导体器件，可以通过电子编程成为任何类型的数字电路或系统。与定制设计相比，FPGA具有更好的灵活性和快速原型功能。总部位于加州圣何塞的Altera公司是最大的FPGA生产商之一，2015年，该公司被英特尔收购。它们与基于指令的硬件（如gpu）有很大的不同，最好的部分是它们可以重新配置，以满足更多数据密集型工作负载（如机器学习应用程序）的要求。

gpu与fpga的区别

技术

–GPU是一种专门的电子电路，最初设计用于满足通用科学和工程计算加速图形渲染的需要。GPU被设计成以单指令多数据（SIMD）方式运行。GPU通过提高CPU上运行的应用程序的性能，减轻了代码中一些耗电部分的负担。另一方面，FPGA是一种半导体器件，可以通过电子编程变成任何你想要的数字电路或系统。

延迟

–FPGA提供比GPU更低的延迟，这意味着它们经过优化，可以在以最小延迟提供输入时立即处理应用程序。FPGA的体系结构使其能够在不需要复杂设计过程的情况下获得较高的计算能力，使其成为低延迟应用的理想选择。与gpu相比，它们在更短的时间内实现了更高的计算能力，gpu相对需要进化才能保持相关性。

功率效率

–多年来，能源效率一直是一个重要的性能指标，而FPGA在这方面也表现出色，因为它们以其能效著称。对于在可重构结构中实现的电路中的并行处理，它们可以支持非常高的数据吞吐量。关于FPGA最好的事情是，它可以重新配置，这提供了一个灵活性，使他们在某些应用领域的优势，比他们的GPU同行。许多广泛使用的数据操作可以通过硬件可编程性在FPGA上高效地实现。GPU也很节能，但仅适用于SIMD流。

浮点运算

–许多高性能计算应用程序，如深度学习，需要对浮点运算有很强的依赖性。虽然灵活的FPGA结构在稀疏网络中显示出了巨大的潜力，而稀疏网络是ML应用中最热门的话题之一，但是对于广泛使用浮点算术运算的应用来说，FPGA很难获得更高的速度。浮点运算是GPU真正擅长的。最快的GPU的浮点性能最高可达15 TFLOPS。

gpu与fpga：比较图

总结

简而言之，gpu允许一个灵活的开发环境和更快的周转时间，但是fpga提供了更好的灵活性和快速原型功能。虽然GPU在高性能计算应用程序中是最好的，这些应用程序依赖于浮点算术运算，但FPGA非常适合耗电的应用程序，而且它们的延迟更具确定性，因为它们是专门的处理器，可以通过电子方式重新配置成任何类型的数字电路或系统。在某些应用领域，FPGA是很难击败的，例如导弹制导系统等军事应用，需要低延迟。