图形处理器（GPU）具有怎样的特性呢？如果你想从事于游戏开发，或者对Unity游戏开发感兴趣，这部分的内容还是有必要去了解下的。下面就让粤嵌Unity培训带你去见识一下。

　　Unity培训——GPU的优越性

　　由于GPU具有高并行结构，所以GPU在处理图形数据和复杂算法方面拥有比CPU更高的效率。CPU大部分面积为控制器和寄存器，与之相比，GPU拥有更多的ALU（Arithmetic Logic Unit，逻辑运算单元）用于数据处理，这样的结构适合对密集型数据进行并行处理。

　　GPU采用流式并行计算模式，可对每个数据进行独立的并行计算，所谓“对数据进行独立计算”就是流内任意元素的计算不依赖于其他同类型数据。例如，计算一个顶点的世界位置坐标，不依赖于其他顶点的位置，所谓“并行计算”是指多个数据可以同时被使用，多个数据并行运算的时间和一个数据单独实行的时间是一样的。所以，在顶点处理程序中，可以同时处理N个顶点数据。

　　Unity培训——GPU的缺陷

　　由于任意一个元素的计算不依赖于其他同类型数据，导致需要知道数据之间相关性的算法在GPU上难以得到实现。一个典型的例子是射线与物体的求交运算。GPU中的控制器少于CPU，致使控制能力有限。另外，进行GPU编程必须掌握计算机图形学相关知识，以及图形处理API，入门门槛高，学习周期长，尤其国内关于GPU编程的资料较为匮乏，这些都导致了学习的难度。在早期，GPU编程只能使用汇编语言，开发难度高，开发效率低。不过，随着Shader Language的兴起，在GPU上编程已经容易多了。

　　Unity培训——GPU的更多应用

　　科学可视化计算：由于人体CT、地质勘探、气象数据、流体力学等科学可视化计算处理的数据量极大，仅仅基于CPU进行计算完全不能满足实时性要求，而在GPU上进行计算则可以在效率上达到质的突破。许多在CPU上非常耗时的算法，如体绘制中的光线投射算法，都可以成功移植到GPU上。所以基于GPU的科学可视化研究目前已经成为主流。

　　通用算法：基于GPU进行通用计算的研究逐渐成为热点，被称为GPGPU（General-Purpose Computing on Graphics Procedding Units，也被成为GPGP,或GP2），很多数值计算等通用算法都已经在GPU上得到了实现，并有不俗的性能表现。目前，线性代数、物理仿真和光线跟踪算法都已经成功地移植到GPU上。在国内，中科院计算所进行了基于GPU的串匹配算法的实现。

　　如果大家对游戏开发感兴趣，欢迎大家搜索粤嵌教育Unity培训的VR课程和VR学习视频。