图形处理单元(GPU)已经远远超越了它们最初用于渲染视频和图形的目的。如今，它们在各种计算密集型任务中发挥着重要作用，从数据科学到复杂的模拟。
GPU工作原理：
GPU的工作通俗的来说就是完成3D图形的生成，将图形映射到相应的像素点上，对每个像素进行计算确定最终颜色并完成输出，一般分为顶点处理、光栅化计算、纹理贴图、像素处理、输出五个步骤。
GPU采用流式并行计算模式，可对每个数据行独立的并行计算。
GPU与CPU区别：
CPU基于低延时设计，由运算器(ALU)和控制器(CU)，以及若干个寄存器和高速缓冲存储器组成，功能模块较多，擅长逻辑控制，串行运算。 GPU基于大吞吐量设计，拥有更多的ALU用于数据处理，适合对密集数据进行并行处理，擅长大规模并发计算，因此GPU也被应用于AI训练等需要大规模并发计算场景。
GPU加速计划可以提高计算速度，但不一定会直接影响帧数。
帧数是指在一秒钟内显示的图像帧数，与GPU加速计划的主要目标不同，GPU加速计划主要是通过利用GPU的并行计算能力来加速特定的计算任务，例如图像处理、物理模拟等，这些计算任务的加速可以提高整体的计算速度，但并不一定会直接影响帧数。
