【发布时间】：2011-02-26 08:13:05
【问题描述】：
我曾处理过许多数据匹配问题，并且通常可以归结为快速并行运行许多 CPU 密集型算法的实现，例如汉明/编辑距离。这是 CUDA 有用的事情吗？
您用它解决了哪些类型的数据处理问题？与标准四核英特尔台式机相比，真的有提升吗？
克里斯
【问题讨论】：
标签： performance algorithm cuda cpu-architecture
【发布时间】：2011-02-26 08:13:05
【问题描述】：
我想你已经回答了你自己的问题。一般来说，CUDA/OpenCL 可以加速大规模并行操作。我们使用 CUDA 执行各种 DSP 操作（FFT、FIR）并看到数量级的加速。几百美元的数量级加速是一种偷窃。虽然像 MKL 和 OpenMP 这样的专用 CPU 库给我们带来了相当大的速度提升，但 CUDA/OpenCL 更快。
查看here 获取 CUDA 使用示例
【讨论】：
首先，在 SIGGRAPH '09 中，他们显示了 CUDA implementation of Vray for Maya。使用 200 美元的卡以 20 fps 的速度进行实时光线追踪和预览质量？我认为这很有帮助。
【讨论】：
是的，它是 CUDA 的主域。如果满足以下条件，则效率最高：
- 元素的处理不依赖于其他元素的处理结果。
- 没有分支。或者至少相邻元素的分支方式相同。
- 元素在内存中均匀分布。
当然，很少有任务属于这种情况。根据您离他们多远，效率会降低。有时您需要完全重写您的算法以最大限度地提高使用率。
【讨论】：
CUDA 已被用于极大地提高计算机断层扫描的速度，例如，FASTRA project 的性能与 超级计算机（不仅仅是四核台式机！）相当，同时由消费级组装而成几千欧元的硬件。
我知道的其他研究主题是群体优化和实时音频处理。
一般来说：该技术可用于所有域中所有数据必须以相同方式处理，因为所有核心都将执行相同的操作。如果您的问题归结为这种操作，那么您很高兴:)。可惜不是所有东西都属于这一类...
【讨论】：
一般有两种类型的并行：任务并行和数据并行。前者CPU加速，后者加速GPU。原因是 CPU 具有复杂的分支预测、乱序执行硬件和多级管道，可以让它们并行执行独立任务（例如，四核上的 4 个独立任务）。另一方面，GPU 已经剥离了大部分控制逻辑，取而代之的是大量的 ALU。因此，对于具有数据并行性的任务（简单的，例如矩阵加法），GPU 可以利用其许多 ALU 并行处理这些数据。像汉明距离这样的东西对于 GPU 来说非常有用，因为您只是在计算两个字符串之间的差异数量，其中每个字符仅基于位置而不同，并且独立于同一字符串中的任何其他字符。
【讨论】：