Categories
Introducción super simple a CPU, GPU, NPU y TPU
De hecho, GPU, NPU, TPU son todos procesadores especializados, pero están destinados a diferentes tareas. Como procesadores especializados, pueden reducir la carga de trabajo de la CPU hasta cierto punto, permitiendo que los recursos de la CPU se utilicen para otras tareas computacionales. Por lo tanto, cuál necesita un usuario está determinado por la aplicación y las tareas del usuario.
CPU (Unidad de Procesamiento Central)
Tiene menos núcleos y está diseñado específicamente para la computación general. La CPU también puede verse como el cerebro de NAS , responsable de ejecutar los comandos y programas requeridos por el sistema operativo y las aplicaciones, por lo tanto, la velocidad del sistema y las aplicaciones de NAS está relacionada con el rendimiento de la CPU.
GPU (Unidad de Procesamiento Gráfico)
Un microprocesador dedicado a ejecutar operaciones de dibujo, la GPU está estructurada con cientos o miles de Unidades Lógicas Aritméticas (ALU) y es capaz de procesar paralelamente una gran cantidad de cálculos, y se puede categorizar en chips gráficos integrados y tarjetas gráficas independientes.
Además de su uso común para el renderizado gráfico en juegos 3D, las GPUs son particularmente útiles para ejecutar análisis, aprendizaje profundo y algoritmos de aprendizaje automático, y sus aplicaciones ciertamente no se limitan al procesamiento de imágenes.
NPU (Unidad de Procesamiento de Redes Neuronales)
NPU está diseñado específicamente para acelerar aplicaciones de IA, a través de procesadores que imitan el sistema neural humano. Es eficiente en términos de energía, adecuado para uso a largo plazo e ideal para tareas computacionales continuas de IA, como generación de imágenes, reconocimiento facial, etc.
TPU (Unidad de Procesamiento Tensorial)
TPU es un procesador desarrollado por Google específicamente para acelerar tareas de aprendizaje automático. A diferencia de las GPUs, los TPUs están diseñados para cálculos de baja precisión a gran escala. La investigación de Google muestra que en tareas de inferencia de IA utilizando redes neuronales, el rendimiento de los TPU es de 15 a 30 veces el de las GPUs y CPUs contemporáneas. Sin embargo, como la demanda no puede ser suficientemente satisfecha por la oferta debido a fabricantes limitados, los TPUs pueden ser muy caros.
¿Cómo funciona la GPU en QNAP NAS ? ¿Cuáles son las ventajas de las GPUs integradas o externas?
Las GPUs en QNAP NAS son GPUs integradas dentro de la CPU o tarjetas gráficas externas que los usuarios pueden expandir a través de PCIe.
La GPU integrada en la CPU puede acelerar la velocidad de conversión de archivos para vídeo , permitiendo que archivos grandes se conviertan rápidamente en formatos que pueden ser navegados suavemente en varios dispositivos. Por ejemplo, el QNAP con una GPU integrada, TVS-h674T, es 1.5 veces más rápido en velocidad de conversión de archivos que la generación anterior TVS-674XT sin una GPU integrada, ahorrando una cantidad significativa de tiempo en la conversión de archivos.
Aprende más: Modelos de NAS QNAP con GPU integrada
Cuando QNAP NAS utiliza una GPU de expansión PCIe externa, además de mejorar el rendimiento de la reproducción de conversión de archivos y el cálculo gráfico, también puede mejorar las aplicaciones gráficas y el rendimiento de visualización de las máquinas virtuales a través del paso de GPU*.
* El paso de GPU solo es compatible con VMs en una arquitectura Windows y solo es aplicable a modelos específicos de QNAP NAS y tarjetas gráficas. Antes de comprar una tarjeta gráfica QNAP NAS , por favor, primero verifica las dimensiones físicas y los requisitos de energía de la tarjeta gráfica.
Para más información: Para información detallada de soporte, por favor visita Lista de compatibilidad de QNAP .
¿Cómo funciona el NPU en QNAP NAS ? ¿Cuáles son las ventajas del NPU?
Específicamente, el NPU en QNAP NAS acelera la operación de QNAP AI Core . Por ejemplo: QuMagie reconocimiento de imágenes de álbum inteligente AI, Qsirch reconocimiento de texto OCR AI en imágenes, QVR Face reconocimiento facial Insight, y QVR Human conteo de personas, todos dependen del NPU para impulsar la eficiencia de la IA.
Por ejemplo, la nueva generación TS-AI642 AI NAS , específicamente diseñada para aplicaciones de reconocimiento de imágenes por IA, está equipada con un procesador ARM de ocho núcleos de 64 bits y una unidad de procesamiento neuronal (NPU) integrada con un rendimiento de cómputo de 6 TOPS. Gracias a la NPU integrada, el TS-AI642 puede completar el reconocimiento facial en 0.2 segundos. Comparado con el modelo de la misma clase de 6 bahías NAS , la velocidad de reconocimiento OCR de IA de texto en imágenes ejecutada por TS-AI642 también puede lograr una mejora significativa del rendimiento del 20%.
Aprende más: Modelos de NAS QNAP con NPU integrada
QNAP NAS admite la instalación de Edge TPU, que puede asistir aplicaciones como QNAP QVR Face en la realización de reconocimiento facial en tiempo real durante el análisis dinámico de flujos de vídeo . Esto reduce la carga de trabajo en el procesador NAS y es especialmente adecuado para aplicaciones que requieren el reconocimiento de decenas de miles de imágenes faciales, o en áreas de negocios y Seguridad con numerosos flujos de vídeo . El acelerador Edge TPU de bajo consumo solo requiere 0.5 vatios para realizar 4 TOPS (billones de operaciones por segundo) de análisis.
Aprende más: Acelerador Coral M.2 y Acelerador USB Coral Visión General del Producto
En la era de la información, elegir el sistema NAS y procesador adecuados es crucial
QNAP ofrece especificaciones de hardware diversas y soluciones para satisfacer diversas necesidades de los clientes. Ya sea manejando grandes volúmenes de imágenes y vídeos con GPU, acelerando aplicaciones de IA con NPU, o mejorando el rendimiento en proyectos de aprendizaje automático con TPU, QNAP es lo suficientemente flexible para proporcionar software y hardware diversificados, así como sistemas operativos de alta eficiencia para permitir a los usuarios gestionar eficientemente datos Almacenamiento de respaldo, ejecutar aplicaciones de análisis de IA y aumentar la competitividad industrial.
