As shown in Figure 3, the execution

As shown in Figure 3, the execution time of the CPU is much
longer than that of the GPU. In general, the GPU processes a large
amount of operations more efficiently than the CPU, because the
many-core based GPU is optimized for parallel processing.
Especially, mathematical or scientific applications can get high
performance by utilizing the many-core GPU. Since the executed
benchmark applications (SAD, CP, TPACF, MM) require parallel
operations for high performance, the GPU can process the
operations more efficiently than the CPU. As shown in Figure 4,
energy consumption is also reduced significantly when the
application is executed on the GPU compared to the CPU. In this
evaluation, energy efficiency is mainly determined by the execution time. Figure 5 shows the temperature of two processing
units. In the graph, CPU temperature goes higher when the
application is executed on the CPU than the GPU. GPU
temperature also goes higher when the application is executed on
the GPU than the CPU, since the temperature goes up as more
resources are utilized. Temperature is a very important factor in
determining the system efficiency, because high temperature in the
processor causes negative impact on reliability, lifetime, and
performance[4][5][6]. The error rates of electronic devices
increase exponentially as the temperature goes up[18][19].
Moreover, the lifetime of the processor is reduced by half if the
temperature increases by about 10~15

ผลลัพธ์ (ไทย) 1:

ดังแสดงในรูปที่ 3 การใช้เวลาของ CPU มีมากเกินกว่าที่ของ GPU ทั่วไป GPU ประมวลผลขนาดใหญ่จำนวนของการดำเนินงานอย่างมีประสิทธิภาพมากกว่า CPU เนื่องจากการหลายคอร์ GPU ตามเหมาะสมสำหรับการประมวลผลแบบขนานโดยเฉพาะอย่างยิ่ง การใช้งานทางคณิตศาสตร์ หรือวิทยาศาสตร์ได้สูงประสิทธิภาพ โดยใช้ GPU หลายหลัก ตั้งแต่การดำเนินการการใช้งานมาตรฐาน (SAD, CP, TPACF, MM) ต้องขนานการดำเนินงานมีประสิทธิภาพสูง GPU สามารถประมวลผลการการดำเนินงานอย่างมีประสิทธิภาพมากกว่า CPU ดังแสดงในรูปที่ 4การใช้พลังงานยังลดลงอย่างมากเมื่อการโปรแกรมจะดำเนินการบน GPU เมื่อเทียบกับ CPU ในการนี้ส่วนใหญ่มีกำหนดการประเมิน การประหยัดพลังงาน โดยดำเนินงาน รูปที่ 5 แสดงอุณหภูมิของการประมวลผลที่สองหน่วย ในกราฟ CPU อุณหภูมิจะสูงขึ้นเมื่อการโปรแกรมจะดำเนินการใน cpu กว่า GPU GPUอุณหภูมิยังจะสูงขึ้นเมื่อรันโปรแกรมประยุกต์บนGPU มากกว่า CPU เนื่องจากอุณหภูมิจะเพิ่มขึ้นเป็นทรัพยากรถูกนำมาใช้ อุณหภูมิเป็นปัจจัยสำคัญมากในการการกำหนดประสิทธิภาพของระบบ เนื่องจากอุณหภูมิสูงในการหน่วยประมวลผลทำให้เกิดผลกระทบเชิงลบในความน่าเชื่อถือ ชีวิต และประสิทธิภาพที่ [4] [5] [6] อัตราข้อผิดพลาดของอุปกรณ์อิเล็กทรอนิกส์เพิ่มขึ้นชี้แจงเมื่ออุณหภูมิการ [18] [19]นอกจากนี้ อายุการใช้งานของตัวประมวลผลจะลดลงครึ่งหนึ่งถ้าการอุณหภูมิที่เพิ่มขึ้น โดยประมาณ 10 ~ 15