Het hart van alle computersystemen ligt bij de centrale verwerkingseenheid. Deze processor voor algemeen gebruik kan de meeste taken aan en is beperkt tot elementaire wiskundige berekeningen. Ingewikkelde taken kunnen combinaties vereisen die resulteren in een langere verwerkingstijd. Een verscheidenheid aan taken kan de centrale processor van een computer echter vertragen. Grafische kaarten met een grafische processoreenheid zijn een van de gespecialiseerde processors die mensen in hun computers hebben geïnstalleerd. Deze kaarten verwerken ingewikkelde berekeningen met betrekking tot 2D- en 3D-graphics. Deze zijn zo gespecialiseerd dat ze bepaalde berekeningen beter maken dan de centrale processor. Hier zijn enkele van de manieren waarop GPU’s belangrijk worden voor meer dan alleen afbeeldingen.
Video versnellen
De eerste toepassing buiten 3D-graphics waarvoor GPU’s zijn ontworpen, is video. High-definition videostreams vereisen het decoderen van gecomprimeerde gegevens om afbeeldingen met een hoge resolutie te produceren. Zowel ATI als NVIDIA hebben software ontwikkeld waarmee de grafische processor dit decoderingsproces kan afhandelen in plaats van de CPU. De grafische kaart helpt bij het transcoderen van video van het ene grafische formaat naar het andere, bijvoorbeeld door een videocamerabestand te converteren om op een dvd te branden. De computer moet het ene formaat nemen en het opnieuw weergeven in het andere formaat. Dit proces gebruikt veel rekenkracht. De computer kan het transcoderingsproces sneller voltooien dan wanneer het op de CPU zou vertrouwen door gebruik te maken van de videomogelijkheden van de grafische processor.
SETI@Home
SETI@Home was een gedistribueerde computertoepassing genaamd folden waarmee het Search for Extra-Terrestrial Intelligence-project radiosignalen kon analyseren. Het profiteerde ook van de extra rekenkracht van de GPU van een computer. Dankzij de geavanceerde rekenengines binnen de GPU kon de hoeveelheid gegevens die in een bepaalde periode werd verwerkt, worden versneld in vergelijking met het gebruik van alleen de CPU. SETI@Home zou dit kunnen doen met de NVIDIA grafische kaarten door gebruik te maken van CUDA of Compute Unified Device Architecture. CUDA is een gespecialiseerde versie van C-code die toegang heeft tot NVIDIA GPU’s.
Adobe Creative Suite en Creative Cloud
De nieuwste grote naamtoepassing om te profiteren van GPU-versnelling is de Adobe Creative Suite, te beginnen met CS4 en door te gaan met de moderne reeks toepassingen. Dit omvat veel van de vlaggenschipproducten van Adobe, waaronder Photoshop en Premiere Pro. In wezen kan elke computer met een OpenGL 2.0 grafische kaart met minimaal 512 MB videogeheugen worden gebruikt om verschillende taken binnen deze applicaties te versnellen. Waarom deze mogelijkheid toevoegen aan de Adobe-toepassingen? Vooral Photoshop en Premiere Pro hebben een groot aantal gespecialiseerde filters die wiskunde op hoog niveau vereisen. De weergavetijd voor grote afbeeldingen of videostreams kan sneller worden voltooid door de GPU te gebruiken om veel van deze berekeningen te ontlasten. Sommige mensen merken misschien geen verschil, terwijl anderen grote tijdwinst zien, afhankelijk van de taken die ze gebruiken en de grafische kaart die ze gebruiken.
Cryptocurrency-mijnbouw
De standaardmethode voor het verwerven van virtuele valuta is via een proces dat cryptocoin-mining wordt genoemd. Daarin gebruikt u uw computer als een relais voor het verwerken van rekenhashes voor het afhandelen van transacties. Een CPU kan dit op één niveau doen. Een GPU op een grafische kaart biedt echter een snellere methode. Als gevolg hiervan kan een pc met een GPU sneller valuta genereren dan een zonder.
OpenCL
De meest opvallende ontwikkeling in het gebruik van grafische kaarten voor extra prestaties komt met de release van de OpenCL- of Open Computer Language-specificaties. Deze specificatie brengt een verscheidenheid aan gespecialiseerde computerprocessors samen, naast een GPU en CPU om het computergebruik te versnellen. Allerlei toepassingen kunnen mogelijk profiteren van het gebruik van een mix van verschillende processors om de hoeveelheid gegevens die wordt verwerkt te vergroten.
Wat houdt GPU’s tegen?
Gespecialiseerde processors zijn niets nieuws voor computers. Grafische processors zijn een van de meer succesvolle en meest gebruikte items in de computerwereld. Het probleem is om deze gespecialiseerde processors toegankelijk te maken voor toepassingen buiten grafische toepassingen. Applicatieschrijvers moeten code schrijven die specifiek is voor elke grafische processor. Met de drang naar meer open standaarden zullen computers echter meer gebruik maken van hun grafische kaarten dan ooit tevoren.
