Apa itu GPU?
Unit pemrosesan grafis (GPU) adalah sirkuit
elektronik yang dapat melakukan perhitungan matematika dengan kecepatan tinggi.
Tugas komputasi, seperti rendering grafis, machine learning (ML),
dan pengeditan video memerlukan penerapan operasi matematika serupa pada set
data besar. Desain GPU memungkinkannya melakukan operasi yang sama pada
beberapa nilai data secara paralel. Hal ini meningkatkan efisiensi pemrosesan
untuk banyak tugas komputasi intensif.
Mengapa GPU penting?
GPU sangat
baik dalam melakukan pemrosesan paralel tujuan umum, tetapi secara historis,
kenyataannya tidak selalu demikian. Seperti namanya, GPU awalnya dirancang
untuk satu tugas tertentu: mengontrol tampilan gambar.
Asal GPU
Sebelum
GPU, kami memiliki layar dot matrix, yang dirilis pada tahun 1940-an dan
1950-an. Tampilan vektor dan raster dirilis setelahnya, kemudian diikuti oleh
perilisan konsol video game dan PC yang pertama. Pada saat itu,
perangkat yang tidak dapat diprogram disebut pengontrol grafis mengoordinasikan
tampilan ke layar. Pengontrol grafis secara tradisional mengandalkan CPU untuk
pemrosesan meski beberapa di antaranya menyertakan prosesor on-chip.
Kira-kira
pada waktu yang sama, terdapat proyek pencitraan 3D yang berkaitan dengan
menghasilkan piksel tunggal pada layar dengan prosesor tunggal. Tujuannya
adalah untuk menghasilkan gambar yang menggabungkan banyak piksel dalam waktu
singkat. Proyek ini adalah asal mula GPU seperti yang kita kenal.
Baru pada
akhir tahun 1990-an GPU pertama keluar. Ini ditujukan untuk pasar game dan
desain berbantuan komputer (CAD). GPU mengintegrasikan mesin rendering berbasis
perangkat lunak sebelumnya dan mesin transformasi dan pencahayaan dengan
pengontrol grafis yang semuanya pada chip yang dapat diprogram.
Evolusi teknologi GPU
Nvidia
adalah yang pertama memasarkan GPU GeForce 256 chip tunggal pada
tahun 1999. Tahun 2000-an dan 2010-an menandai era pertumbuhan di mana GPU
mendapatkan fungsi, seperti ray tracing, mesh shading, dan tessellation perangkat
keras. Semua ini menghasilkan performa pembuatan gambar dan grafis yang makin
canggih.
Baru pada
tahun 2007, Nvidia merilis CUDA, lapisan perangkat lunak yang membuat
pemrosesan paralel tersedia pada GPU. Pada masa ini, GPU menjadi sangat efektif
dalam melakukan tugas-tugas yang sangat spesifik. Secara khusus, mereka unggul
dalam tugas-tugas yang memerlukan daya pemrosesan dalam jumlah besar untuk
mencapai hasil tertentu.
Ketika
Nvidia merilis CUDA, Nvidia membuka pemrograman GPU untuk khalayak yang lebih
luas. Developer kemudian dapat memprogram teknologi GPU untuk semua jenis
aplikasi praktis komputasi intensif yang berbeda. Komputasi GPU mulai menjadi
jauh lebih umum.
GPU
adalah chip yang diminati untuk blockchain dan aplikasi
baru lainnya. Mereka semakin diarahkan ke kecerdasan buatan dan machine
learning (AI/ML).
Apa saja aplikasi praktis untuk GPU?
GPU dapat digunakan di berbagai aplikasi
komputasi intensif, termasuk keuangan skala besar, aplikasi pertahanan, dan
kegiatan penelitian. Berikut adalah beberapa penggunaan GPU yang paling umum
saat ini.
Gaming
Aplikasi pertama GPU yang melampaui aplikasi visualisasi
bisnis dan pemerintahan yang besar adalah untuk game pribadi.
Aplikasi-aplikasi tersebut digunakan di konsol game tahun 1980-an dan
masih digunakan di PC dan konsol game saat ini. GPU sangat penting
untuk rendering grafis yang kompleks.
Visualisasi profesional
GPU digunakan dalam aplikasi profesional,
seperti gambar CAD, pengeditan video, panduan produk dan interaktivitas, citra
medis, dan pencitraan seismik. GPU juga diterapkan pada aplikasi pengeditan dan
visualisasi gambar dan video kompleks lainnya. Aplikasi berbasis peramban
bahkan dapat mengeksploitasi GPU melalui pustaka, seperti WebGL.
Machine learning
Melatih model machine learning (ML) membutuhkan
daya komputasi yang besar. Mereka sekarang dapat berjalan pada GPU untuk
memberikan hasil lebih cepat. Meski diperlukan waktu yang lama untuk melatih
model pada perangkat keras yang dibeli sendiri, Anda bisa mendapatkan hasil
yang cepat menggunakan GPU cloud.
Blockchain
Mata uang kripto dibangun di atas blockchain.
Jenis blockchain tertentu, proof of work, biasanya sangat
bergantung pada GPU untuk pengoperasiannya. Sirkuit terintegrasi khusus
aplikasi (ASIC), chip yang serupa tetapi berbeda, sekarang menjadi pengganti
umum untuk pemrosesan GPU untuk blockchain.
Bukti algoritmik blockchain proof of stake menghilangkan
kebutuhan akan daya komputasi dalam jumlah besar, tetapi proof of work masih
tersebar luas.
Simulasi
Aplikasi simulasi lanjutan seperti yang
digunakan dalam dinamika molekuler, prakiraan cuaca, dan astrofisika semuanya
dapat dicapai melalui GPU. GPU juga berada di balik banyak aplikasi dalam
desain otomotif dan kendaraan besar, termasuk dinamika fluida.
Bagaimana cara kerja GPU?
GPU modern
biasanya mengandung sejumlah multiprosesor. Masing-masing memiliki blok memori
bersama, ditambah sejumlah prosesor dan register yang sesuai. GPU itu sendiri
memiliki memori konstan, ditambah memori perangkat pada papan di mana GPU
ditempatkan.
Setiap GPU
memiliki cara kerja yang sedikit berbeda, tergantung pada tujuannya, produsen,
spesifikasi chip, dan perangkat lunak yang digunakan untuk mengoordinasikan
GPU. Sebagai contoh, perangkat lunak pemrosesan paralel CUDA Nvidia
memungkinkan developer untuk secara khusus memprogram GPU dengan hampir semua
aplikasi pemrosesan paralel tujuan umum.
GPU dapat
berupa chip mandiri, yang dikenal sebagai GPU diskrit, atau terintegrasi dengan
perangkat keras komputasi lainnya, yang dikenal sebagai GPU terintegrasi
(iGPU).
GPU diskrit
GPU
diskrit hadir sebagai chip yang didedikasikan sepenuhnya untuk tugas yang
sedang dikerjakan. Meski tugas tersebut secara tradisional adalah grafis,
sekarang GPU diskrit dapat digunakan sebagai pemrosesan khusus untuk
tugas-tugas, seperti ML atau simulasi yang kompleks.
Ketika
digunakan dalam grafis, GPU biasanya diletakkan pada kartu grafis yang dipasang
ke motherboard. Pada tugas lain, GPU bisa diletakkan pada kartu atau slot
yang berbeda langsung ke motherboard itu sendiri.
GPU terintegrasi
Pada awal
tahun 2010-an, kami mulai melihat perpindahan dari GPU diskrit. Para produsen
mulai memperkenalkan kombinasi CPU dan GPU pada sebuah chip, yang dikenal
sebagai iGPU. iGPU pertama untuk PC adalah lini Celeron, Pentium, dan Core dari
Intel. iGPU ini tetap populer di seluruh laptop dan PC.
Jenis iGPU
lainnya adalah sistem pada chip (SoC) yang berisi komponen, seperti CPU, GPU,
memori, dan jaringan. Ini adalah jenis chip yang biasanya ditemukan di ponsel
pintar.
Virtual
Seperti
jenis infrastruktur perangkat keras komputasi lainnya, GPU juga dapat
divirtualisasi. GPU tervirtualisasi adalah representasi berbasis perangkat
lunak dari GPU yang berbagi ruang bersama GPU virtual lainnya pada instans
server cloud. Anda dapat menggunakannya untuk menjalankan beban kerja Anda
tanpa perlu mengkhawatirkan pemeliharaan perangkat keras yang mendasarinya.
Apa perbedaan antara GPU dan CPU?
Perbedaan
utama antara CPU dan GPU adalah tujuannya dalam sistem
komputer. Keduanya memiliki peran yang berbeda berdasarkan sistemnya. Sebagai
contoh, keduanya memiliki tujuan yang berbeda pada perangkat game genggam,
PC, dan superkomputer yang memiliki beberapa kabinet server.
Secara umum, CPU menangani kontrol sistem penuh
ditambah manajemen dan tugas tujuan umum. Sebaliknya, GPU menangani tugas-tugas
komputasi intensif, seperti pengeditan video atau machine learning.
Bahkan, secara khusus, CPU dioptimalkan untuk
melakukan tugas-tugas seperti ini:
·
Manajemen sistem
·
Melakukan
banyak tugas di berbagai aplikasi yang berbeda
·
Operasi input
dan output
·
Fungsi jaringan
·
Kontrol
perangkat periferal
· Memori dan sistem penyimpanan yang melakukan banyak tugas
Apa perbedaan antara GPU dan kartu
grafis?
Nama-nama unit
pemrosesan grafis dan kartu grafis sering digunakan secara
bergantian, tetapi keduanya bukan hal yang sama.
Kartu
grafis adalah papan tambahan (AIB) yang dimasukkan ke dalam slot pada motherboard komputer.
Kartu grafis tidak terpasang di dalam komputer itu sendiri; kartu grafis adalah
kartu yang dapat dilepas-pasang. Kartu grafis dilengkapi dengan GPU.
GPU adalah
komponen utama pada kartu grafis. GPU tersedia bersama komponen lain, seperti
RAM video (VRAM) untuk memori video, port (seperti HDMI atau
DisplayPort), dan komponen pendingin. Namun, GPU juga dapat dibangun langsung
ke motherboard atau diintegrasikan sebagai chip all-in-one bersama
dengan komponen lainnya.
Bagaimana AWS membantu memenuhi kebutuhan GPU
Anda?
Amazon Web Services (AWS) menawarkan Amazon Elastic Compute Cloud (Amazon EC2),
platform komputasi terluas dan terdalam.
Amazon EC2 memiliki lebih dari 500 instans dan
pilihan prosesor, penyimpanan, jaringan, sistem operasi, dan model pembelian
terbaru. Ini dapat dengan mudah mencocokkan kebutuhan beban kerja Anda.
Dengan Amazon EC2, Anda dapat dengan mudah
menyewa dan menjalankan GPU di cloud. Manfaatkan kekuatan pemrosesan GPU
untuk pengeditan video, grafik rendering, kecerdasan buatan (AI), dan
kemampuan pemrosesan paralel lainnya.
Instans Amazon EC2 dapat disesuaikan dengan
hampir semua jenis beban kerja:
·
Instans P2 dirancang
untuk aplikasi komputasi GPU tujuan umum.
·
Instans P5 Amazon EC2 memiliki
delapan GPU bawaan. Instans-instans tersebut adalah generasi terbaru dari
instans berbasis GPU. Mereka memberikan performa tertinggi di Amazon EC2
untuk deep learning dan komputasi performa tinggi (HPC).
· Instans G5
Amazon EC2 ditenagai oleh prosesor AWS Graviton2 dan dilengkapi
GPU NVIDIA T4G Tensor Core. Instans G5 tersebut memberikan performa harga
terbaik di Amazon EC2 untuk beban kerja grafis, seperti streaming game Android.
