这部关于GPU（图形处理器）的视频教程是Udacity公开课最新推出的一部线上课程，有两个讲师。其中，John Ownes是UC Davis大学电子与计算机工程学院的副教授，在学校带领一群优秀的研究生探索图形处理器（GPU）计算前沿。另一位讲师叫Dave Luebke，是NVIDA的高级研究主管，在NVIDIA研究三维图。他与John Ownes及另外一些人一起致力于扩展GPU的应用范围已经有很多年了。
    本期课程是John Ownes对英伟达的Lan Buck的采访。NVIDIA（全称为NVIDIA Corporation，NASDAQ：NVDA，官方中文名称英伟达），创立于1993年1月，是一家以设计智核芯片组为主的无晶圆（Fabless）IC半导体公司。Nvidia 是全球图形技术和数字媒体处理器行业领导厂商，NVIDIA的总部设在美国加利福尼亚州的圣克拉拉市，在20多个国家和地区拥有约5700名员工。公司在可编程图形处理器方面拥有先进的专业技术，在并行处理方面实现了诸多突破。值得一提的是，英伟达的三位创始中，有一位是华裔，黄仁勋，中国台湾人。
    这一期采访的Lan Buck是英伟达的计算软件总经理，管理所有使用GPU的事情。这也是John Ownes采访他的原因。因为他的工作与John Ownes的课程是一致的。Lan Buck还做了很多与CUDA开发相关的事情。那是七八年前的事情了，他完成了在斯坦福的工作之后，真正加入英伟达开始CUDA团队进入研发。
    图形处理器（英语：Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。
    GPU的结构决定了它的数学运算能力巨大,但 分支控制性能低下。它要求在每个计算单元中执行完全相同的操作,因此,只适合执行可以大量并行化的运算。另外,目前GPU硬件是专为单精度浮点运算设计的,执行双精度运算性能会降低一个数量级,对运算精度要求高的场合暂时还不宜使用GPU。所以,GPU目前还不能取代CPU。 因此,GPU大规模并行通用计算的理想运用模式是:用CPU控制主要的流程,将问题分解,把需要大量并行处理的计算密集型任务放到GPU上处理。另外,研究传统问题的新算法,使之适于并行计算也是一大发展方向。

Udacity课程4.1 专访英伟达软件总经理由第一视频教程网精心收集并免费提供在线观看下载，如果您觉得此视频教程对您有帮助，请把本视频链接发给您的亲朋好友，让更多的人能得到帮助！