CPU, GPU, NPU, TPU: Apa Itu?

[ad_1]

Jakarta – 1 Agustus 2024 – QNAP Methods, Inc., Pengguna komputer pasti terus menerus mendengar istilah CPU, GPU, NPU, TPU. Pada kenyataannya, GPU, NPU, TPU semuanya adalah prosesor khusus namun ditujukan untuk tugas yang berbeda. Sebagai prosesor khusus, mereka bisa mengurangi beban kerja CPU hingga batas tertentu, dengan begitu sumber daya CPU bisa digunakan untuk tugas komputasi lainnya. Mengingat itu, mana yang sangat dibutuhkan pengguna ditentukan oleh aplikasi dan tugas pengguna.

Pengenalan Sederhana mengenai CPU, GPU, NPU, dan TPU

CPU (Unit Pemrosesan Pusat)CPU mempunyai lebih minim inti dan dirancang khusus untuk komputasi umum. CPU juga bisa dilihat sebagai otak NAS, yang bertanggung jawab untuk menjalankan perintah dan program yang sangat dibutuhkan oleh sistem operasi dan aplikasi, dengan begitu kecepatan sistem NAS dan aplikasi keterkaitan dengan kinerja CPU.

GPU (Unit Pemrosesan Grafis)Mikroprosesor yang dikhususkan untuk menjalankan operasi menggambar, GPU terstruktur dengan ratusan atau ribuan Mathematics Good judgment Unit (ALU) dan mampu memproses dengan jumlah besar kalkulasi secara paralel, dan bisa dipecah menjadi chip grafis tertanam dan kartu grafis mandiri.

Selain penggunaan umum untuk rendering grafis dalam gim 3-d, GPU sangat berguna untuk menjalankan analisis, pembelajaran mendalam, dan algoritma pembelajaran mesin, dan aplikasinya tentu tidak terbatas pada pemrosesan gambar.

NPU (Unit Pemrosesan Jaringan Saraf)NPU dirancang khusus untuk dapat mempercepatnya penerapan AI, melalui prosesor yang meniru sistem saraf manusia. Hemat energi, cocok untuk penggunaan jangka panjang, dan supreme untuk tugas komputasi AI berkelanjutan, seperti pembuatan gambar, pengenalan wajah, dll.

TPU (Unit Pemrosesan Tensor)TPU adalah prosesor yang dikembangkan oleh Google secara khusus untuk dapat mempercepatnya tugas mesin pembelajaran. Tidak seperti GPU, TPU dirancang untuk komputasi presisi rendah skala besar. Observasi Google memperlihatkan bahwa dalam tugas inferensi AI memakai jaringan saraf, kinerja TPU adalah 15 sampai 30 kali lipat dari GPU dan CPU kontemporer. Tetapi, sebab permintaan tidak bisa dipenuhi secara memadai oleh pasokan sebab keterbatasan produsen, TPU dapat menjadi sangat mahal.

Bagaimana cara kerja GPU pada QNAP NAS? Apa saja keuntungan GPU internal atau eksternal?

GPU pada QNAP NAS adalah GPU yang tersambung dalam CPU atau kartu grafis eksternal yang bisa didukung dengan penggunaan melalui PCIe.

GPU internal dalam CPU bisa mempercepat kecepatan konversi document untuk video, dengan begitu document besar bisa dengan cepat dikonversi ke dalam structure yang bisa dijelajahi dengan lancar di berbagai perangkat. Andaikan, QNAP dengan GPU internal, TVS-h674T, mempunyai kecepatan konversi document 1,5 kali lebih cepat daripada TVS-674XT generasi sebelumnya tanpa GPU internal, dengan begitu menghemat dengan jumlah besar waktu konversi document.

Pelajari selengkapnya: Version QNAP NAS dengan GPU bawaan

Saat QNAP NAS memakai GPU ekspansi PCIe eksternal, selain meningkatkan kinerja pemutaran document konversi dan grafis komputasi, ia juga bisa meningkatkan aplikasi grafis dan kinerja tampilan mesin digital melalui GPU Go-through*.

*GPU Go-through hanya kompatibel dengan VM dalam arsitektur Windows dan hanya berlaku untuk version QNAP NAS dan kartu grafis tertentu. Sebelum membeli kartu grafis QNAP NAS, harap periksa terlebih dahulu dimensi fisik dan kebutuhan daya kartu grafis.

Untuk informasi selengkapnya: Untuk informasi dukungan terperinci, silakan kunjungi daftar kompatibilitas QNAP.

Bagaimana cara kerja NPU pada QNAP NAS? Apa saja kelebihan NPU?

Secara khusus, NPU dalam QNAP NAS mempercepat pengoperasian QNAP AI Core. Andaikan: pengenalan gambar AI album pintar QuMagie, pengenalan teks AI OCR Qsirch dalam gambar, pengenalan wajah QVR Face Perception, dan penghitungan orang QVR Human, semuanya mengandalkan NPU untuk meningkatkan efisiensi AI.

Andaikan, AI NAS TS-AI642 generasi baru, yang dirancang khusus untuk aplikasi pengenalan gambar AI, dilengkapi dengan prosesor ARM octa-core 64-bit, dan unit pemrosesan saraf (NPU) tersambung dengan kinerja komputasi 6 TOPS. Berkat NPU bawaan, TS-AI642 bisa mengakhiri pengenalan wajah dalam 0,2 detik. Dibandingkan dengan version NAS 6-bay kelas yang sama, kecepatan pengenalan AI OCR teks dalam gambar yang dijalankan oleh TS-AI642 juga bisa sampai peningkatan kinerja 20% yang signifikan.

Pelajari lebih lanjut: Version QNAP NAS dengan NPU bawaan

QNAP NAS memberi dorongan untuk pemasangan Edge TPU, yang bisa membantu aplikasi seperti QNAP QVR Face dalam melakukan pengenalan wajah secara real-time sepanjang analisis aliran video dinamis. Hal ini mengurangi beban kerja pada prosesor NAS dan sangat cocok untuk aplikasi yang memerlukan pengenalan puluhan ribu gambar wajah, atau di enviornment bisnis dan keamanan dengan dengan jumlah besar aliran video. Akselerator Edge TPU yang hemat energi hanya memerlukan 0,5 watt untuk melakukan riset 4 TOPS (triliun operasi in line with detik).

Pelajari lebih lanjut: Ikhtisar Produk Coral M.2 Accelerator dan Coral USB Accelerator

Di era informasi, untuk memilih sistem NAS dan prosesor yang tepat sangatlah penting.

QNAP menawarkan beragam spesifikasi dan solusi perangkat keras untuk memenuhi berbagai kebutuhan pelanggan. Baik itu menangani gambar dan video dalam jumlah besar dengan GPU, mempercepat aplikasi AI dengan NPU, atau meningkatkan kinerja proyek pembelajaran mesin dengan TPU, QNAP cukup fleksibel untuk menyediakan beragam perangkat lunak dan perangkat keras serta sistem operasi berefisiensi tinggi untuk memungkinkan pengguna mengelola cadangan penyimpanan knowledge secara efisien, menjalankan aplikasi analisis AI, dan meningkatkan daya saing industri.

Untuk informasi lebih lanjut tentang produk paling kekinian QNAP, silakan kunjungi website online QNAP.

[ad_2]
Sumber:
https://vritimes.com/{id}/articles/125c063f-a4a2-11ee-ba48-0a58a9feac02/7e2b627f-4fba-11ef-81cd-0a58a9feac02