甄嬛传之美人策显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。

　　就像电脑联网需要网卡，主机里的数据要显示在屏幕上就需要显卡。因此，显卡是电脑进行数模信号转换的设备，承担输出显示图形的任务。

　　具体来说，显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来。

　　CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。

　　GPU可以利用多个CUDA核心来做并行计算，而CPU只能按照顺序进行串行计算，同样运行3000次的简单运算，CPU需要3000个时钟周期，而配有3000个CUDA核心的GPU运行只需要1个时钟周期。

　　流光处理器：也叫渲染管、着色器。画面都是由一个又一个像素点组成的，而流处理器就负责这些像素点的渲染工作；

　　Tensor核心：一种新型处理核心，它执行一种专门的矩阵数学运算，适用于深度学习和某些类型的HPC；

　　显存容量：显存容量决定着显存临时存储数据的多少，大显存能减少读取数据的次数，降低延迟；

　　显存带宽：显存带宽指的是图形处理芯片与显存之间的交换速度，所以，显存接口总线的位数越宽，交换速率也就越高，而显存的速度越快

　　单精度浮点性能：代表显卡的浮点计算能力，越高算力越强，深度学习、科学计算用途较多；

　　核心频率：只显示核心的工作频率，其工作频率在一定程度上可以反映出显示核心的性能；

　　显存位宽：是显存在一个时钟周期内所能传送数据的位数,位数越大则瞬间所能传输的数据量越大,这是显存的重要参数之一；

　　显存容量：其主要功能就是暂时储存GPU要处理的数据和处理完毕的数据。显存容量大小决定了GPU能够加载的数据量大小。（在显存已经可以满足客户业务的情况下，提升显存不会对业务性能带来大的提升。在深度学习、机器学习的训练场景，显存的大小决定了一次能够加载训练数据的量，在大规模训练时，显存会显得比较重要。

　　显存频率：一定程度上反应着该显存的速度，以MHz（兆赫兹）为单位,显存频率随着显存的类型、性能的不同而不同。显存频率和位宽决定显存带宽。

　　显存带宽：指显示芯片与显存之间的数据传输速率，它以字节/秒为单位。显存带宽是决定显卡性能和速度最重要的因素之一。

　　评估一个显卡的性能不能单纯看某一个指标的性能，而是结合显卡的个指标及客户业务需求的综合性能。

　　GPU是协处理器，与CPU端存储是分离的，故GPU运算时必须先将CPU端的代码和数据传输到GPU，GPU才能执行kernel函数。

　　涉及CPU与GPU通信，其中通信接口PCIe的版本和性能会直接影响通信带宽。

　　GPU的另一个重要参数是浮点计算能力。浮点计数是利用浮动小数点的方式使用不同长度的二进制来表示一个数字，与之对应的是定点数。

　　同样的长度下浮点数能表达的数字范围相比定点数更大，但浮点数并不能精确表达所有实数，而只能采用更加接近的不同精度来表达。