Seiring kemajuan teknologi
, perangkat keras yang digunakan dalam sistem komputer juga ditingkatkan untuk memenuhi tuntutan masyarakat. Sebelumnya, ada CPU (Central Processing Unit) dalam sistem komputer. Kemudian, pengenalan GPU (Graphics Processing Unit) telah membawa rendering gambar dan pemrosesan gambar ke tingkat berikutnya. Hari ini di era Artificial Intelligence, kita memiliki TPU (Tensor Processing Unit). Ketiganya adalah prosesor yang dikembangkan untuk melakukan tugas-tugas tertentu di komputer. Pada artikel ini, kita akan berbicara tentang perbedaan antara CPU, GPU, dan TPU.



TPU vs GPU vs Kinerja CPU dan Perbedaannya dibahas

CPU atau Central Processing Unit melakukan semua operasi aritmatika dan logika. Di sisi lain, pekerjaan GPU adalah merender dan memproses gambar atau grafik. TPU adalah jenis prosesor khusus yang dikembangkan oleh Google. Ini digunakan untuk menangani pemrosesan jaringan saraf menggunakan TensorFlow. CPU dapat melakukan banyak tugas, termasuk rendering gambar. Tetapi tingkat rendering gambar yang lebih tinggi membutuhkan prosesor khusus, GPU. Itulah mengapa game kelas atas selalu membutuhkan kartu grafis khusus.

Apa itu CPU?

CPU adalah singkatan dari Central Processing Unit. Ini adalah otak komputer karena menangani semua tugas yang dilakukan pengguna di komputernya. Semua perhitungan aritmatika dan logika yang diperlukan untuk menyelesaikan suatu tugas dilakukan oleh CPU. Tujuan dari CPU adalah untuk mengambil input dari perangkat yang terhubung ke komputer seperti keyboard, mouse, dll, atau dari perangkat lunak pemrograman dan menampilkan output yang diperlukan.
Komponen CPU
Sebuah CPU terdiri dari tiga komponen berikut:
CU ( Unit Kontrol)ALU (Unit Aritmatika dan Logika)Mendaftar


Unit Kontrol di CPU

A Unit Kontrol (CU) adalah salah satu komponen CPU yang mengambil instruksi dari memori utama dan menerjemahkannya ke dalam perintah. Perintah-perintah ini kemudian dikirim ke ALU, yang tugasnya mengeksekusi instruksi ini, dan akhirnya, hasilnya disimpan di memori utama.

ALU (Unit Aritmatika dan Logika) di CPU

ALU, sesuai dengan namanya, adalah komponen CPU yang pekerjaannya melakukan perhitungan atau operasi aritmatika dan logika. Selanjutnya, ALU dapat dibagi menjadi dua bagian yaitu, AU (Satuan Aritmatika) dan LU (Satuan Logika). Pekerjaan kedua unit ini adalah melakukan operasi aritmatika dan logika masing-masing.

Semua perhitungan yang diperlukan oleh CPU dilakukan oleh ALU. ALU menerima perintah dari Control Unit. Setelah menerima perintah ini, ia memprosesnya dengan melakukan perhitungan dan kemudian menyimpan hasil akhir di memori utama. Tiga operasi berikut dilakukan oleh ALU:
Operasi logis: Operasi ini meliputi AND, OR, NOT, NAND, NOR, dll. sejumlah tempat tertentu. Operasi aritmatika: Penjumlahan, pengurangan, perkalian, dan pembagian adalah operasi aritmatika.
Register di CPU

A CPU terdiri dari beberapa register. Register-register ini mencakup register tujuan umum dan register tujuan khusus. Register tujuan umum digunakan untuk menyimpan data sementara. Di sisi lain, register tujuan khusus digunakan untuk menyimpan hasil operasi aritmatika dan logika yang dibawa oleh ALU.

Apa itu Core CPU?

Core CPU adalah jalur yang terdiri dari miliaran transistor mikroskopis. CPU menggunakan inti untuk memproses data. Dengan kata sederhana, inti CPU adalah unit komputasi dasar CPU. Jumlah core berbanding lurus dengan kekuatan komputasi CPU. Inti CPU menentukan apakah CPU dapat menangani banyak tugas atau tidak. Anda mungkin pernah mendengar dua jenis CPU berikut:
CPU single-coreCPU multi-core
CPU single-core hanya dapat menangani satu tugas dalam satu waktu, sedangkan CPU multi-inti dapat menangani banyak tugas sekaligus. Jika Anda memiliki CPU multi-core yang terinstal di sistem Anda, Anda dapat melakukan lebih dari satu tugas dalam satu waktu, seperti Anda dapat menelusuri internet, membuat dokumen atau spreadsheet di program Microsoft Office, melakukan pengeditan gambar, dll., di waktu yang sama. Berapa banyak inti CPU yang Anda butuhkan tergantung pada jenis pekerjaan yang Anda lakukan di komputer Anda.

Apa itu GPU?

GPU adalah singkatan dari Graphics Processing Unit. GPU digunakan dalam berbagai aplikasi, termasuk rendering gambar dan video. Dalam bidang gaming, kartu grafis memiliki peran yang krusial. GPU adalah komponen utama dari kartu grafis. Kartu grafis terdiri dari dua jenis, yaitu kartu grafis terintegrasi dan kartu grafis khusus. Kartu grafis terintegrasi adalah kartu yang terintegrasi ke dalam motherboard komputer. GPU terintegrasi tidak dapat menangani tugas tingkat tinggi, seperti game kelas atas. Itu sebabnya jika Anda seorang gamer kelas atas, Anda perlu memasang kartu grafis khusus di komputer Anda. Selain itu, tugas pengeditan gambar dan video yang dilakukan oleh perangkat lunak berat juga memerlukan kartu grafis khusus.

Baca: Untuk Apa Komputasi GPU?

Apa perbedaan antara GPU dan Kartu Grafis?

Meskipun istilah GPU dan Kartu Grafis adalah digunakan secara bergantian, kedua istilah ini tidak sama. Mari kita lihat apa perbedaan dari kedua istilah ini?

A GPU adalah komponen dari kartu grafis, sedangkan kartu grafis adalah perangkat keras yang dilengkapi dengan berbagai komponen, termasuk GPU, memori, heat sink, kipas, dll. GPU adalah jantung dari kartu grafis karena semua perhitungan yang diperlukan untuk memproses dan merender gambar ditangani oleh GPU. Tidak seperti CPU, GPU memiliki ratusan hingga ribuan core. Core kecil dalam GPU ini bertanggung jawab untuk melakukan perhitungan sederhana hingga kompleks.

Baca: Perbedaan antara Kartu Grafis DDR3 vs DDR4 vs DDR5.

Apa itu TPU?

TPU adalah singkatan dari Tensor Processing Unit. Ini adalah prosesor yang dikembangkan oleh Google untuk menangani pemrosesan jaringan saraf menggunakan TensorFlow. TensorFlow adalah pustaka perangkat lunak sumber terbuka dan gratis untuk kecerdasan buatan dan pembelajaran mesin.

Inti dari TPU yang dikembangkan oleh Google terdiri dari dua unit, yaitu, MXU (Matrix Multiply Unit) dan VPU (Vector Processing Unit). Unit Perkalian Matriks melakukan penghitungan matriks dan beroperasi dalam format titik mengambang campuran 16 – 32 bit, sedangkan Unit Pemrosesan Vektor melakukan komputasi float32 dan int32.

Google telah mengembangkan Cloud TPU untuk menawarkan fleksibilitas dan kinerja maksimum kepada peneliti, pengembang, dan bisnis. Tujuan utama untuk mengembangkan TPU adalah untuk meminimalkan waktu yang dibutuhkan untuk melatih model jaringan saraf yang besar dan kompleks. Cloud TPU mempercepat kinerja komputasi aljabar linier, yang digunakan dalam aplikasi pembelajaran mesin. Karena itu, TPU dapat meminimalkan waktu untuk akurasi dalam hal melatih model jaringan saraf yang besar dan kompleks. Jika Anda melatih model jaringan saraf pada perangkat keras yang terintegrasi dengan TPU, itu akan memakan waktu berjam-jam, sedangkan, jika tugas yang sama ketika dilakukan pada perangkat keras lain bisa memakan waktu berminggu-minggu.

Baca: Apakah lebih banyak inti CPU berarti kinerja yang lebih baik?

TPU vs GPU vs CPU: Perbandingan berdasarkan faktor yang berbeda

Mari kita bandingkan ketiga prosesor ini pada faktor yang berbeda.
CoresCPU: Jumlah inti dalam CPU termasuk satu (prosesor inti tunggal), 4 (prosesor quad-core), 8 (prosesor octa-core), dll. CPU core berbanding lurus dengan kinerjanya dan juga membuatnya multitasking. GPU: Tidak seperti CPU, GPU memiliki beberapa ratus hingga beberapa ribu core. Perhitungan dalam GPU dilakukan di inti ini. Oleh karena itu, kinerja GPU juga tergantung pada jumlah core yang dimilikinya. TPU: Menurut Google, satu chip Cloud TPU memiliki 2 core. Masing-masing inti ini menggunakan MXU untuk mempercepat program dengan perhitungan matriks padat. ArsitekturCPU: CPU memiliki tiga bagian utama, yaitu, CU, ALU, dan Register. Berbicara tentang register, ada 5 jenis register dalam CPU. Register-register ini adalah: AccumulatorInstruction RegisterMemory Address RegisterMemory Data RegisterProgram CounterGPU: Seperti dijelaskan di atas, ada beberapa ratus hingga beberapa ribu core dalam sebuah GPU. Semua perhitungan yang diperlukan untuk melakukan pemrosesan gambar dan rendering gambar dilakukan di inti ini. Secara arsitektur, memori internal GPU memiliki antarmuka yang luas dengan koneksi point-to-point.TPU: TPU adalah akselerator Machine Learning yang dirancang oleh Google. Akselerator Machine Learning memiliki potensi untuk meningkatkan tugas Machine Learning. Inti TPU terdiri dari MXU dan VPU yang masing-masing mampu melakukan perhitungan matriks dan floating-point.PowerCPU: Daya yang dikonsumsi oleh CPU bergantung pada jumlah inti yang dimilikinya. Prosesor octa-core mengkonsumsi daya sekitar 95 hingga 140 watt, sedangkan prosesor 16-core mengkonsumsi daya sekitar 165 watt.GPU: Sebuah GPU dapat mengkonsumsi daya hingga 350 watt.TPU: Dalam TPU, proses membaca dan penulisan dilakukan pada buffer dan memori sehingga optimalisasi daya dapat dicapai.
Baca: Apa itu System on a Chip (SoC)?

Apakah TPU atau GPU lebih baik?

Baik TPU dan GPU adalah unit pemrosesan. Yang pertama adalah unit Pemrosesan Tensor dan yang terakhir adalah Unit Pemrosesan Grafik. Cara kerja kedua prosesor ini berbeda. Menjadi bagian dari prosesor grafis, pekerjaan GPU adalah melakukan perhitungan yang diperlukan untuk merender gambar. TPU dirancang untuk menangani pemrosesan jaringan saraf menggunakan TensorFlow.

Yang mana dari keduanya yang lebih baik bergantung pada jenis aplikasi yang Anda gunakan. Cloud TPU dioptimalkan untuk beban kerja tertentu. Dalam beberapa situasi, penggunaan GPU atau CPU lebih baik untuk menjalankan beban kerja machine learning. Mari kita lihat kapan Anda dapat menggunakan TPU dan GPU.

Penggunaan GPU lebih baik daripada TPU untuk model menengah hingga besar dengan ukuran batch efektif yang lebih besar, model dengan TensorFlow tidak tersedia di Cloud TPU, dll.

Penggunaan TPU lebih baik selain GPU untuk model yang memerlukan kalkulasi matriks, model yang membutuhkan waktu berminggu-minggu hingga berbulan-bulan untuk dilatih, model dengan ukuran batch efektif yang lebih besar, dll.

Apakah TPU lebih cepat daripada CPU?

TPU adalah Tensor Processing Unit. Google mengembangkannya untuk menangani pemrosesan jaringan saraf menggunakan TensorFlow. Tujuan dari perancangan TPU adalah untuk meminimalkan waktu yang dibutuhkan untuk melatih model jaringan syaraf tiruan. Menurut Google, pelatihan model jaringan saraf pada perangkat keras terintegrasi TPU membutuhkan waktu berjam-jam, sedangkan pelatihan yang sama dapat memakan waktu berminggu-minggu hingga berbulan-bulan jika dilakukan pada perangkat keras lain. Oleh karena itu, TPU lebih cepat daripada CPU.