A hardveres^(Hardware) gyorsítás speciálisan felépített számítógépes hardvert (pl. szilícium mikrochipeket) használ, hogy egy szűk feladatsort gyorsabban hajtson végre, mint egy általános célú CPU (központi feldolgozó egység).

Mit jelent ez Önnek, mint felhasználónak? Gyakran lehetősége van a hardveres gyorsítás be- vagy kikapcsolására az alkalmazásokban. Tehát mennyire hasznos a hardveres gyorsítás, és mit csinál?

Mi az a hardveres gyorsítás^{(Hardware Acceleration)} ( Simple Edition )

Íme a hardveres gyorsítás egyszerű magyarázata. Ugorjon^(Skip) a következő szakaszra a folyamat alapos áttekintéséhez. 

A számítógépben lévő CPU szinte bármilyen típusú matematikai problémát meg tud oldani. A CPU^(CPU) áramkörök több komponenst használnak sokféle feladat kezelésére. Több helyet foglalnak el, több hőt termelnek, és nem olyan elegánsak, mint egy egyetlen feladatra épített áramkör. 

Hardveres gyorsítással egy speciális integrált áramkör vagy mikroprocesszor egy meghatározott feladatot vagy a kapcsolódó feladatok szűk körét hajt végre. Az áramkör kialakítása semmi másra nem pazarol, és ez jelentős teljesítményelőnyt biztosít. 

Néha ez a hardver magába a CPU^(CPU) - ba van beépítve . A legtöbb modern CPU^(CPUs) dedikált belső részekkel rendelkezik, amelyek felgyorsítják az olyan feladatokhoz használt bizonyos típusú matematikai műveleteket, mint a videó kódolás^{(video encoding)} és titkosítás^(encryption) .

Röviden, a hardveres gyorsítás azt jelenti, hogy egy adott feladatot adunk egy egyedi hardvernek, amely egy szakma jackja, és megrázza.

Milyen előnyei^(Benefits) vannak a hardveres gyorsításnak^{(Hardware Acceleration)} ?

Milyen előnyökkel jár a hardveres gyorsítás az Ön által használt alkalmazás számára? Ez gyakran a hardver típusától és a gyorsítás típusától függ, de a szokásos előnyök a legtöbb helyzetben érvényesek.

• A hardveres^(Hardware) gyorsítás nagymértékben javítja a teljesítményt. Az alkalmazás gördülékenyebben fog futni, vagy az alkalmazás sokkal rövidebb idő alatt hajt végre egy feladatot.

• Felszabadítja a CPU -t egyéb tevékenységek elvégzésére, amelyek javítják a rendszer teljesítményét. A CPU átterhelheti a munkát a speciális hardverre, majd folytathatja például a videojátékok futtatását a videók streamelésével vagy egy olyan alkalmazás használatával, mint a Discord .

• A hardveres^(Hardware) gyorsítás kulcsfontosságú lehet az akkumulátorral működő eszközök esetében. Ez az oka annak, hogy okostelefonja vagy táblagépe ilyen hosszú ideig képes lejátszani a videót anélkül, hogy lemerülne az akkumulátor. Egy kis speciális chip szinte mindig kevesebb energiát fogyaszt, mint egy nagy, összetett CPU .

Vannak^(Are) hátrányai a hardveres ^(Downsides)gyorsításnak^{(Hardware Acceleration)} ?

Általában a hardveres gyorsítást érdemes elhagyni, de vannak olyan esetek, amikor ez hátrányt jelenthet. 

• A hardveres^(Hardware) gyorsítás gyakran instabilitást okoz. Annak ellenére, hogy lassúak, a CPU^(CPUs) -k általában nagyon megbízhatóak. Például nincs értelme a hardveres gyorsításnak felgyorsítani a videóexportálást, majd a folyamat összeomlását, mielőtt befejezné.

• A hardveres^(Hardware) gyorsítás rugalmatlan az új fejlesztésekhez. Például előfordulhat, hogy számítógépén hardveres gyorsítás található egy adott videókódolási módszerhez, de ha valami jobb jön, új hardvert kell vásárolnia a támogatásához. 

• Előfordulhat, hogy a rendszer által támogatott hardveres gyorsítás nem nyújtja a legjobb eredményt. Tehát ha a minőséget részesíti előnyben a sebességgel szemben, jobb, ha bizonyos esetekben a CPU -ra bízza a munkát. ^(CPU)Például, ha nem rendelkezik hardveres támogatással a HEVC kódoláshoz, de szeretné annak minőségi előnyeit a H.264 CODEC -hez képest, akkor ^{(H.264 CODEC)}CPU - alapú kódolásra kell hagyatkoznia .

Hol használhatom a hardveres gyorsítást^{(Use Hardware Acceleration)} ?

A hardveres gyorsításnak túl sok formája áll rendelkezésre ahhoz, hogy itt felsoroljuk őket, de itt van néhány olyan gyakori, amellyel átlagos számítógép-felhasználóként találkozni fog.

Böngésző hardveres gyorsítása^{(Browser Hardware Acceleration)}

A webböngészők^(Web) meglepően CPU-igényes^(CPU-heavy) alkalmazások lehetnek. A modern^(Modern) webhelyek divatos grafikai effektusokkal és nagy hűségű látványokkal és hangokkal rendelkeznek. A 3D grafikát használó webalkalmazások profitálnak a ^(Web)GPU hardveres gyorsításából. 

A hardveres^(Hardware) gyorsítás általában alapértelmezés szerint be van kapcsolva ezekben az alkalmazásokban, és csak hibaelhárítás^{(troubleshooting)} céljából kapcsolja ki .

Videókódolási gyorsítás^{(Video Encoding Acceleration)}

• A legtöbb CPU már rendelkezik a közös H.264 videószabvány gyorsításával , és a H.265 támogatása is növekszik. 
• A legújabb Nvidia GPU^{(Nvidia GPUs)} -k egy dedikált „NVENC” kódoló chippel is rendelkeznek, amely átveszi a játékfelvételek rögzítésének vagy streamelésének munkáját, így ez nem befolyásolja a játék teljesítményét.
• Az olyan alkalmazások, mint az Adobe Premiere Pro , GPU-alapú hardveres gyorsítást kínálnak, így javítva a teljesítményt projektek szerkesztése és exportálása közben.

GPGPU (General Purpose GPU) gyorsítás^{(GPGPU (General Purpose GPU) Acceleration)}

A grafikus processzorok 3D-s grafikus gyorsítókként kezdték életüket, de a modern GPU^(GPUs) -k az egyszerű műveletek széles skáláját képesek nagyon gyorsan elvégezni. Ezek a processzorok több száz vagy több ezer egyszerű kis processzorból állnak, amelyek mindegyike párhuzamosan működik. 

Ez ideálissá teszi őket bizonyos típusú adatrögzítésekhez, amelyeket algoritmuson kell futtatni. A GPU^(GPUs) -kat azért tervezték így, mert a grafika renderelése magában foglalja a pixelértékek párhuzamos feldolgozását. Tehát a GPU határozza meg, hogy a képernyőn megjelenő több millió pixel mindegyike hogyan nézzen ki egyszerre. Kiderült, hogy a mély tanulási és adatbányászati ​​alkalmazások is profitálnak ebből a számítási megközelítésből.

Sugárkövetés és gépi tanulási gyorsítás^{(Ray Tracing and Machine Learning Acceleration)}

A GPU^(GPU) -fejlesztők most dedikált társprocesszorokat adtak hozzá, amelyek még a GPU - magoknál is speciálisabb munkát végeznek. 

• Az Nvidia GPU^{(Nvidia GPUs)} -k legújabb generációja speciális komponensekkel rendelkezik, amelyek felgyorsítják a sugárkövetés^{(ray tracing)} matematikáját , amely egy olyan módszer, amellyel 3D-s grafikákat rajzolhatunk a fény terjedésének szimulálásával egy jelenetben.
• Ezek a GPU^(GPUs) -k további processzorral rendelkeznek, amely nagyon jó az úgynevezett „tenzoros” matematika elvégzésében. Ezek hasznosak azokban az alkalmazásokban, amelyek neurális hálózati gépi tanulást használnak, ami egyre gyakoribb a mindennapi számítási feladatokban.

A gyorsulás mindenütt jelen van

Manapság szinte minden számítástechnikai eszközben van hardveres gyorsítás, és ahogy bizonyos számítástechnikai munkák egyre népszerűbbé válnak, az informatikusok még több dedikált rendszert fognak létrehozni, hogy gyorsabban és hatékonyabban működjenek. 

Tehát dőljön hátra és élvezze a sebességet!

What Is Hardware Acceleration and How Is It Useful?

Hardwаre acceleration uses specially-built computer hardware (i.e., silicon microchips) to do a narrow set of tasks fastеr than a general-purpose CPU (central processing unit).

What does that mean to you as the user? You’ll often have the option of turning hardware acceleration on or off in your applications. So how useful is hardware acceleration, and what does it do?

What Is Hardware Acceleration (Simple Edition)

Here’s a simple explanation of hardware acceleration. Skip to the next section for an in-depth look at the process. 

The CPU in your computer can solve just about any type of mathematical problem. CPU circuits use more components to deal with many kinds of tasks. They take up more space, generate more heat, and aren’t as elegantly designed as a circuit built for a single job. 

With hardware acceleration, a special integrated circuit or microprocessor does one specific task or a narrow set of related jobs. The circuit’s design is not wasted on anything else, and this provides a significant performance advantage. 

Sometimes that hardware is built into the CPU itself. Most modern CPUs have dedicated internal sections that accelerate specific types of math used for tasks such as video encoding and encryption.

In short, hardware acceleration means giving a specific job to a unique piece of hardware that’s a jack of one trade and rocks at it.

What Are the Benefits of Hardware Acceleration?

How does hardware acceleration benefit the application you’re using? It often depends on the type of hardware and the type of acceleration, but the usual benefits apply to most situations.

• Hardware acceleration greatly improves performance. Your application will run more smoothly, or the application will complete a task in a much shorter time.

• It frees up your CPU to do other things leading to improved system performance. The CPU can offload work to the specialized hardware and then get on with, for example, running video games simultaneously with streaming videos or using an application like Discord.

• Hardware acceleration can be crucial for battery-powered devices. It’s why your smartphone or tablet can play video for such a long time without tanking your battery. A small specialized chip almost always uses less power than a large, complex CPU.

Are There Downsides to Hardware Acceleration?

In general, hardware acceleration is something that you’ll want to leave on, but there are some cases where it can be a drawback. 

• Hardware acceleration often causes instability. Despite being slow, CPUs tend to be highly reliable. For example, there’s little point in having hardware acceleration speed up video exports and then have the process crash before it finishes.

• Hardware acceleration is inflexible to new developments. For example, you may have hardware acceleration in your computer for a specific video encoding method, but if something better comes along you’ll have to buy new hardware to support it. 

• The type of hardware acceleration your system supports might not offer the best results. So if you favor quality over speed, it would be better to let the CPU handle the work in some cases. For example, if you don’t have hardware support for HEVC encoding but want its quality advantages over the H.264 CODEC, you’ll have to rely on CPU-based encoding.

Where Can I Use Hardware Acceleration?

There are too many forms of hardware acceleration available to list them all here, but here are a few common ones that you will encounter as an average computer user.

Browser Hardware Acceleration

Web browsers can be surprisingly CPU-heavy applications. Modern websites have fancy graphical effects and high-fidelity sights and sounds. Web applications that use 3D graphics benefit from GPU hardware acceleration. 

Hardware acceleration is usually on by default in these applications, and you should only disable it for troubleshooting.

Video Encoding Acceleration

• Most CPUs now have acceleration for the common H.264 video standard, and support for H.265 is growing too. 
• Recent Nvidia GPUs also have a dedicated “NVENC” encoder chip that takes over the work of recording or streaming game footage so that it doesn’t affect game performance.
• Applications such as Adobe Premiere Pro offer GPU-based hardware acceleration, thus improving performance while editing and exporting projects.

GPGPU (General Purpose GPU) Acceleration

Graphical Processors started life as 3D graphics accelerators, but modern GPUs can do a fairly wide range of simple operations very quickly. These processors consist of hundreds or thousands of simple small processors that all work in parallel. 

This makes them ideal for certain types of data crunching that need to be run through an algorithm. GPUs are designed this way because rendering graphics involves processing pixel values in parallel. So your GPU determines what each of the millions of pixels on the screen should look like at the same time. It turns out that deep learning and data mining applications also benefit from this approach to computation.

Ray Tracing and Machine Learning Acceleration

GPU developers have now added dedicated co-processors that do an even more specialized job than the GPU cores. 

• The latest generation of Nvidia GPUs have special components that accelerate the mathematics of ray tracing, which is a method of drawing 3D graphics by simulating how light propagates through a scene.
• These GPUs have an additional processor that’s very good at doing so-called “tensor” mathematics. These are useful in applications that use neural net machine learning, which is becoming more common in everyday computing tasks.

Acceleration Is Everywhere

There’s hardware acceleration in almost every computing device these days and as certain computing jobs become popular, computer scientists will create even more dedicated systems to make them work faster and more efficiently. 

So sit back and enjoy the speed!

Related posts

• A hardveres gyorsítás kikapcsolása vagy letiltása a Windows 11/10 rendszerben

• Hogyan lehet letiltani a hardveres gyorsítást a Chrome-ban vagy a Firefoxban

• A hardveres gyorsítás engedélyezése vagy letiltása a Microsoft Edge-ben

• Razer Naga Pro áttekintés: A csúcskategóriás egér bármilyen játékfajtához

• ASUS Mini PC PN62 áttekintés: egy mini PC, amely a kezedben is elfér!

• Samsung Galaxy Note20 Ultra 5G áttekintés: Ultra minden szempontból!

• TP-Link Archer AX10 (AX1500) áttekintés - Megfizethető Wi-Fi 6 mindenkinek!

• MSI GE66 Raider 10SGS áttekintés: Erőteljes játék laptop Sci-Fi dizájnnal

• Crucial Ballistix Gaming Memory DDR4-3600 32 GB áttekintés -

• Az AMD Ryzen 5 5600X áttekintése: A legjobb középkategóriás asztali processzor játékhoz? -

• ASUS VivoWatch SP áttekintés: Intelligens hordható egészségkövető strébereknek!

• Samsung Galaxy A32 5G áttekintés -

• Xiaomi 11T értékelés: Jelölje be a megfelelő négyzeteket! -

• Razer Viper 8KHz áttekintés: Az első játékhoz készült egér 8000 Hz-es lekérdezési frekvenciával -

• ASUS ROG Strix Go and Go Core áttekintés: Tipp-top gamer headsetek!

• AMD Radeon RX 6700 XT áttekintés: Kiváló 1440p-s játékokhoz! -

• PowerColor Radeon RX 5600 XT Red Devil áttekintés: Kiváló az 1080p játékhoz

• A Trust GXT 258 Fyru áttekintése: Első osztályú mikrofon streameléshez

• ASUS Turbo GeForce RTX 3070 értékelés: Kiváló játékteljesítmény

• Samsung Galaxy Tab S6 Lite áttekintés: A legújabb középkategóriás táblagépek!