Theory
Gamer નો સવાલ
Shop પર એક customer ને gaming PC જોઈએ છે. Chirag 2 ભાવ કહે છે: processor ₹18,000, graphics card ₹35,000.
Customer ના કપાળે કરચલી પડે છે: "Computer ના ખરા ભાગ કરતાં graphics card ના પૈસા વધારે કેમ આપું? બંને processor જ છે ને?"
છે જ. પણ બંને 2 સાવ ઊલટી ફિલસૂફી પર બનેલા છે. આ ભેદ સમજવો એ જ આ topic છે, એક modern exam સવાલ છે, અને PC ખરીદવાના દરેક નિર્ણયનો અડધો ભાગ છે.
Theory
એક genius વિરુદ્ધ હજાર કારકુન
CPU એટલે genius professors ની નાની ટીમ: દરેક જણ કોઈ પણ પ્રશ્ન ઉકેલી શકે, અટપટું logic હોય કે અચાનક બદલાતી યોજના, પણ એ છે ફક્ત થોડાક જ. GPU એટલે હજાર કારકુનોથી ભરેલો hall: દરેક કારકુન સાદો છે, પણ બધાને એક જ નાનો સરવાળો એકસાથે આપી દો, તો professors 10 દાખલા પતાવે એ પહેલાં hall 10 લાખ પતાવી નાખે. જુદા પ્રશ્નોને જુદા ઓરડા જોઈએ.
Theory
બંને processors ની ચોખ્ખી વ્યાખ્યા
CPU (Central Processing Unit): સર્વ-હેતુક મગજ. થોડાક શક્તિશાળી cores (દુકાનનાં machines માં 2 થી 16), જે operating system, તમારા programs અને ગમે તે logic ચલાવે છે, core દીઠ એક instruction stream, એક પછી એક.
GPU (Graphics Processing Unit): એક specialist. હજારો સાદા cores, બધા સમાંતરે કામ કરતા. જન્મ થયો screen ના લાખો pixels ને દરેક frame માં રંગવા માટે, એટલે કે જંગી data પર વારંવાર થતી એક જ નાનકડી ગણતરી માટે. એ જ કારણે આજે video editing અને AI પણ એના પર ચાલે છે.
At a glance
CPU વિરુદ્ધ GPU એક નજરમાં
| પાસું | CPU | GPU |
|---|---|---|
| Cores | થોડા, શક્તિશાળી | હજારો, સાદા |
| શેના માટે બનેલું | કોઈ પણ કામ, અટપટું logic | જંગી data પર એક જ કામ |
| ઢબ | Serial (એક પછી એક) | Parallel (બધું એકસાથે) |
| ઉદાહરણ | OS ચલાવવું, તમારા C programs | Gaming frames, video render, AI |
Quiz
કયું કામ GPU, CPU કરતાં ચોખ્ખી રીતે વધુ સારું કરે?
- Photo ના બધા 20 લાખ pixels પર એક જ filter લગાવવું
- Operating system ચલાવવું
- Billing program નું if-else logic ચલાવવું
- Keyboard માંથી input વાંચવું
Show the answer
Photo ના બધા 20 લાખ pixels પર એક જ filter લગાવવું
20 લાખ pixels, દરેક પર એક જ સરખું operation: આ શુદ્ધ parallel કામ છે, GPU નું ઘરઆંગણું. બાકીનાં 3 sequential, logic-ભારે કે સંકલનનાં કામ છે, જેના માટે જ CPU બનેલાં છે. યાદ રાખવાની pattern: એક જ નાનું કામ × જંગી data = GPU; વૈવિધ્યવાળું logic = CPU.
Think first
Customer ને જવાબ આપો
તો gaming PC ને ₹18,000 નું CPU અને ₹35,000 નું GPU બંને કેમ જોઈએ? એકલું મોંઘું કેમ ન ચાલે? વિચારો કે game ચાલતી વખતે કોણ શું કરે છે.
Show the answer
Game ને બંને ઓરડા જોઈએ. CPU game નું logic ચલાવે છે: દુશ્મનના નિર્ણય, physics, score, input. GPU દરેક frame રંગે છે: લાખો pixels, સેકન્ડે 60+ વાર. GPU કાઢી નાખો તો frames ઘસડાય; CPU કાઢી નાખો તો દોરવા માટે game જ ન રહે. બંને ભાગીદારો છે, હરીફ નહીં. એટલે જ કોઈ GPU ક્યારેય CPU ને "બદલી" શકતું નથી.
Watch out
Marks ગુમાવતી ભૂલો
"GPU, CPU કરતાં ઝડપી છે" એવું લખવું. અધૂરું, અને મોટા ભાગનાં કામ માટે ખોટું: GPU ઝડપી છે ફક્ત parallel કામમાં; એને branching logic આપો તો ખરાબ રીતે હારે. બીજી ચૂક: "GPU ફક્ત games માટે છે". એની parallel તાકાત આજે AI training અને video કામ પણ ચલાવે છે, અને examiners હવે એ modern લીટી અપેક્ષે છે. ત્રીજી: GPU ક્યારેય CPU ની જગ્યા લેતું નથી.
Theory
દુકાનનું ડહાપણ, અને આગળ શું
ખરીદ-સલાહ રૂપે: office અને coding નાં machines integrated graphics (CPU ની અંદર બેસાડેલા નાના GPU) પર મજેથી ચાલે છે; gaming, editing અને AI માટે પોતાની memory વાળું dedicated card જોઈએ. Genius-વિરુદ્ધ-કારકુનોનું ચિત્ર સાચવી રાખો: આગળના semesters માં parallel processing ભણશો ત્યારે, અને દરેક "CPU vs GPU" interview સવાલમાં એ પાછું આવશે.
Summary
Key takeaways
- CPU: થોડા શક્તિશાળી સર્વ-હેતુક cores, OS અને program logic ચલાવે, serial ઢબે.
- GPU: હજારો સાદા cores, જંગી data પર એક જ operation, parallel ઢબે.
- GPU ફક્ત parallel થઈ શકે એવા કામમાં જીતે (pixels, video, AI); બાકીનું બધું CPU સંભાળે.
- બંને ભાગીદારો છે: દરેક machine ને CPU જોઈએ જ; ભારે visual/AI કામ GPU ઉમેરાવે.
- Office કામ માટે integrated GPU; gaming, editing, AI માટે dedicated GPU.
- યાદ રાખવાની યુક્તિ: એક genius, હજાર કારકુન.