深入浅出计算机组成原理
徐文浩
bothub创始人
立即订阅
13019 人已学习
课程目录
已完结 62 讲
0/4登录后，你可以任选4讲全文学习。
入门篇 (5讲)
开篇词 | 为什么你需要学习计算机组成原理？
免费
01 | 冯·诺依曼体系结构：计算机组成的金字塔
02 | 给你一张知识地图，计算机组成原理应该这么学
03 | 通过你的CPU主频，我们来谈谈“性能”究竟是什么？
04 | 穿越功耗墙，我们该从哪些方面提升“性能”？
原理篇：指令和运算 (12讲)
05 | 计算机指令：让我们试试用纸带编程
06 | 指令跳转：原来if...else就是goto
07 | 函数调用：为什么会发生stack overflow？
08 | ELF和静态链接：为什么程序无法同时在Linux和Windows下运行？
09 | 程序装载：“640K内存”真的不够用么？
10 | 动态链接：程序内部的“共享单车”
11 | 二进制编码：“手持两把锟斤拷，口中疾呼烫烫烫”？
12 | 理解电路：从电报机到门电路，我们如何做到“千里传信”？
13 | 加法器：如何像搭乐高一样搭电路（上）？
14 | 乘法器：如何像搭乐高一样搭电路（下）？
15 | 浮点数和定点数（上）：怎么用有限的Bit表示尽可能多的信息？
16 | 浮点数和定点数（下）：深入理解浮点数到底有什么用？
原理篇：处理器 (18讲)
17 | 建立数据通路（上）：指令+运算=CPU
18 | 建立数据通路（中）：指令+运算=CPU
19 | 建立数据通路（下）：指令+运算=CPU
20 | 面向流水线的指令设计（上）：一心多用的现代CPU
21 | 面向流水线的指令设计（下）：奔腾4是怎么失败的？
22 | 冒险和预测（一）：hazard是“危”也是“机”
23 | 冒险和预测（二）：流水线里的接力赛
24 | 冒险和预测（三）：CPU里的“线程池”
25 | 冒险和预测（四）：今天下雨了，明天还会下雨么？
26 | Superscalar和VLIW：如何让CPU的吞吐率超过1？
27 | SIMD：如何加速矩阵乘法？
28 | 异常和中断：程序出错了怎么办？
29 | CISC和RISC：为什么手机芯片都是ARM？
30 | GPU（上）：为什么玩游戏需要使用GPU？
31 | GPU（下）：为什么深度学习需要使用GPU？
32 | FPGA和ASIC：计算机体系结构的黄金时代
33 | 解读TPU：设计和拆解一块ASIC芯片
34 | 理解虚拟机：你在云上拿到的计算机是什么样的？
原理篇：存储与I/O系统 (17讲)
35 | 存储器层次结构全景：数据存储的大金字塔长什么样？
36 | 局部性原理：数据库性能跟不上，加个缓存就好了？
37 | 高速缓存（上）：“4毫秒”究竟值多少钱？
38 | 高速缓存（下）：你确定你的数据更新了么？
39 | MESI协议：如何让多核CPU的高速缓存保持一致？
40 | 理解内存（上）：虚拟内存和内存保护是什么？
41 | 理解内存（下）：解析TLB和内存保护
42 | 总线：计算机内部的高速公路
43 | 输入输出设备：我们并不是只能用灯泡显示“0”和“1”
44 | 理解IO_WAIT：I/O性能到底是怎么回事儿？
45 | 机械硬盘：Google早期用过的“黑科技”
46 | SSD硬盘（上）：如何完成性能优化的KPI？
47 | SSD硬盘（下）：如何完成性能优化的KPI？
48 | DMA：为什么Kafka这么快？
49 | 数据完整性（上）：硬件坏了怎么办？
50 | 数据完整性（下）：如何还原犯罪现场？
51 | 分布式计算：如果所有人的大脑都联网会怎样？
应用篇 (5讲)
52 | 设计大型DMP系统（上）：MongoDB并不是什么灵丹妙药
53 | 设计大型DMP系统（下）：SSD拯救了所有的DBA
54 | 理解Disruptor（上）：带你体会CPU高速缓存的风驰电掣
55 | 理解Disruptor（下）：不需要换挡和踩刹车的CPU，有多快？
结束语 | 知也无涯，愿你也享受发现的乐趣
免费
答疑与加餐 (5讲)
特别加餐 | 我在2019年F8大会的两日见闻录
FAQ第一期 | 学与不学，知识就在那里，不如就先学好了
用户故事 | 赵文海：怕什么真理无穷，进一寸有一寸的欢喜
FAQ第二期 | 世界上第一个编程语言是怎么来的？
特别加餐 | 我的一天怎么过？
深入浅出计算机组成原理
登录|注册
30 | GPU（上）：为什么玩游戏需要使用GPU？
徐文浩 2019-07-03
讲完了 CPU，我带你一起来看一看计算机里的另外一个处理器，也就是被称之为 GPU 的图形处理器。过去几年里，因为深度学习的大发展，GPU 一下子火起来了，似乎 GPU 成了一个专为深度学习而设计的处理器。那 GPU 的架构究竟是怎么回事儿呢？它最早是用来做什么而被设计出来的呢？
想要理解 GPU 的设计，我们就要从 GPU 的老本行图形处理说起。因为图形处理才是 GPU 设计用来做的事情。只有了解了图形处理的流程，我们才能搞明白，为什么 GPU 要设计成现在这样；为什么在深度学习上，GPU 比起 CPU 有那么大的优势。
GPU 的历史进程
GPU 是随着我们开始在计算机里面需要渲染三维图形的出现，而发展起来的设备。图形渲染和设备的先驱，第一个要算是 SGI（Silicon Graphics Inc.）这家公司。SGI 的名字翻译成中文就是“硅谷图形公司”。这家公司从 80 年代起就开发了很多基于 Unix 操作系统的工作站。它的创始人 Jim Clark 是斯坦福的教授，也是图形学的专家。
后来，他也是网景公司（Netscape）的创始人之一。而 Netscape，就是那个曾经和 IE 大战 300 回合的浏览器公司，虽然最终败在微软的 Windows 免费捆绑 IE 的策略下，但是也留下了 Firefox 这个完全由开源基金会管理的浏览器。不过这个都是后话了。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《深入浅出计算机组成原理》，如需阅读全部文章，
请订阅文章所属专栏。
请订阅文章所属专栏。
立即订阅
登录 后留言
精选留言(15)
靠人品去赢我觉得可以对2D加速，刚才有人提过2D理解为深度为0的的3D，少处理一个维度。而且现在很多2D游戏，如果不对2D加速，那CPU真的够苦逼的。2019-07-04 4
xindoo很好奇cpu和gpu之间是如何交互的2019-07-03 1 2
活的潇洒眼过千遍不如手过一遍
day30天笔记:https://www.cnblogs.com/luoahong/p/11413746.ht2019-08-26 1
missingmaria应该可以对2D加速，2D其实就是z=0的3D2019-07-04 1
loserGPU 计算 互相之间没有依赖，可以并行独立计算。GPU 减少了CPU 通用计算的一些设计，这样就使得GPU 更便宜和性能更高效（只做固定的事情）。2019-12-10
火腿贴图没讲， 其实在现代GPU中非常关键。2019-11-15
好饿早知道送外卖了安卓手机不是有个强制GPU2D加速的选项么2019-10-28- mfist应该可以加速2d图形，但是相对于3d图形计算少了很多，所以传统2d一般不开启gpu渲染2019-08-15
水能载舟老师请问，OpenGL 的运行是否要求计算机一定要有图形卡模块，哪怕是集成显卡，是不是没有显卡模块就无法运行2019-08-01
晓小东想知道像渲染引擎像openGL, 是如何利用GPU能力， 以及openGL的跨平台， 在GPU层面到底跨的是什么2019-07-19
周2D图形也能就行加速。
2D的渲染也需要顶点处理，栅格化，片段处理，像素处理，等这些步骤，可能具体细节会不一样。 同样的，这些步骤中也存在独立可并行的计算。所以可以加速。2019-07-09
陈华应电脑集显，玩古老的传奇都会卡顿。以此推断出可以对2D进行加速～2019-07-05
-W.LI-我觉得不能对2D加速。GPU算法是死的，里面的存储只能处理3D。存猜2019-07-04
胖胖胖GPU主要靠硬件并行来加速图形处理，不管2D还是3D图像处理，本质上都是大规模的矩阵运算，应该都可以加速2019-07-03- 若失终于讲到GPU，希望老师多讲一些这方面的内容，对于游戏开发者来说深入了解底层硬件知识还是很重要的！2019-07-03
收起评论