声明：
正文的一部分来自网络。 因为知识有限，有错误的地方请指出来。 本文只进行学术交流，如有侵权，请联系后台删除
什么是显卡？
显卡(Video card、Graphics card )提供接口卡(即显示适配器)的完整视图，是计算机最基本的配置和最重要的附件之一。 正如电脑网络需要网卡一样，在屏幕上显示主机数据需要显卡。 因此，显卡是计算机进行数模信号转换的设备，承担输出显示图形的作用。 具体来说，就是在电脑主板上连接显卡，将电脑的数字信号转换为模拟信号显示在显示器上。
原始显卡通常集成在主板上，只提供最基本的信号输出，不需要处理数据。 随着显卡的飞速发展，GPU的概念应运而生，显卡也分为独立显卡和集成显卡(见附件1 )。
什么是GPU？
GPU这个概念是Nvidia公司在1999年提出的。 GPU是图形卡上的芯片，就像处理器是主板上的芯片一样。 那么到1999年为止，显卡上没有GPU吗？ 当然有。 只是，那个时候没有人命名。 另外，没有引起人们的充分重视，发展很慢。
自从Nvidia提出GPU这一概念后，GPU进入了快速发展时期。 简而言之，经过了以下几个阶段发展起来。
1 )仅用于图形呈现，从其名称可以看出，该功能是GPU的初衷。 图形处理单元，图形处理单元
2 )后来发现，将GPU这样强大的设备只用于图形处理太浪费了，应该用于浮点运算等更多的工作。 我该怎么办？ 浮点运算不能直接交给GPU。 因为只能用于图形处理。 最容易想到的是，浮点运算需要做一些处理，包装在图形渲染任务中，交给GPU处理。 这就是通用处理器(GPU )的概念。 但是，这样做有缺点。 我需要图形学的知识。 否则，我不知道包装方法。
3 )因此，为了让没有图形知识的人也能体验到GPU运算的强大，Nvidia公司还提出了CUDA的概念。
什么是CUDA？
cuda (computeunifieddevicearchitecture )是通用并行计算体系结构，是一个计算平台。 它包括CUDA指令集体系结构和GPU内部的并行计算引擎。 只需使用CUDA C语言(如c语言)即可开发CUDA程序。 这样可以更容易地利用GPU的强大计算能力，而不是像以前那样打包为图形渲染任务，然后交给GPU处理。
请注意，并非所有GPU都支持CUDA。
CPU和GPU的关系
在没有GPU之前，基本上所有的任务都交给了CPU。 有了GPU，两者分工，CPU负责逻辑性强的事务处理和串行计算，GPU专注于执行高度线程化的并行处理任务(大规模计算任务)。 为什么这么分工？ 这是由两者的硬件结构决定的。
可见，CPU是“主处理器”，GPU是“从处理器”，无论GPU增长多么快，它都只是分担工作而不是CPU。
1 )专用显卡与集成显卡的区别。
集成是主板内置显卡，不能随意更换。 独立显卡作为独立设备连接到主板上的AGP接口，可以随时更换和升级。
集成显卡使用物理内存，但专用显卡有自己的显卡内存。 一般来说，同期推出的专用显卡比集成显卡具有更好的性能和速度。
值得一提的是，集成显卡和专用显卡都配备了GPU。
2 )2:Nvidia显卡的分类。
GeForce系列：家庭娱乐。 玩游戏必须；
Quadro系列：专业的平面设计。 频繁使用3ds Max、Maya等软件需要视频渲染。
Tesla系列：用于大型并行计算的高端显卡。 必须使用dlm。
此外，目前流行的物理引擎PhysX并不是所有显卡都支持。 根据官方文档，支持GeForce 8和更高版本的显卡。
————————————————
这是CSDN博客“jqdbl”的原创文章，符合CC 4.0 BY-SA版权合同。 请附上原文来源的链接和本声明。
原文链接： https://blog.csdn.net/Wu _ nan _ nan/article/details/45603299