GPGPU 图像处理以外的应用？答案

【问题标题】：GPGPU Applications other than Image processing?GPGPU 图像处理以外的应用？
【发布时间】：2012-07-21 05:53:00
【问题描述】：

我正在寻找一些可以移植到 gpgpu 以提高效率的 cpu 应用程序。除了图像处理区域之外，gpgpu 还能在哪些地方使用？这实际上是我的研究生项目。

【问题讨论】：

光线追踪、模拟，基本上任何需要并行浮点运算的东西。
@Blender 实际上光线追踪涉及很多分支，因此对于现代 GPGPU 的 SIMD 架构并不理想
我的意思是，如果你想找到更有效的方法来进行光线追踪，那是一个很好的项目，但我想现在没有好的方法可以做到，否则我们会有实时光线追踪器现在
NVIDIA 刚刚召开了一场盛大的会议。实际上有数百篇关于 GPU 计算及其应用的各个方面的论文。所有材料都在网上。如果您还没有看过它，那么您还不够努力：google GTC2012。但这与 SO 无关，我已投票结束。
如果您所在地区有任何流行的行业，不妨看看他们需要什么类型的计算，以及是否可以使用 GPU 进行加速。

标签： cuda gpu gpgpu

【解决方案1】：

GPU 计算引擎的专用处理架构对于您遇到的任何数据处理问题都很有用：

大量数据
对该数据的每个元素执行的重要计算，
计算每个输出元素所需的输入数据适合 GPU 内存，或者可以在需要时进行编排以到达 GPU 内存。

如果可以同时对所有数据元素独立执行计算，这会有所帮助，但这不是严格要求的。

图像处理恰好是该场景的一个示例 - 要处理的像素数量有限（但数量很大），并且可以在每个像素上并行执行许多图像算法。

其他示例包括：广义信号分析，例如处理音频信号。图像处理只是信号分析的一种特殊形式。模式识别，其中大部分挑战是将信号与噪声分离。语音识别，有人吗？ 3 维表面匹配，例如根据有机化合物化学键的弯曲角度确定有机化合物的形状，或者确定两种有机化合物是否可能以有趣的方式相互作用（例如，生物受体）。各种物理建模（碰撞模拟、地震分析等）。当然还有密码学，您总是可以花更多的计算时间一次又一次地处理相同的数据。

GPU 计算引擎不太适合处理数据量显着使要执行的计算相形见绌的问题。 GPU 可以很好地处理内存中的内容。将数据移入或移出 GPU 内存通常是整个计算中最昂贵的步骤，因此您需要确保有足够的计算继续“弥补”将数据加载到内存中的成本。如果数据太大而无法放入内存，则必须采用分布式计算策略。

例如，计算 PB 数据库的主键索引可能不太适合 GPU，因为大部分工作可能都花在将数据从硬盘中取出到内存中。索引计算本身相当微不足道，这并不能带来非常有趣的 GPU 胜利，虽然我确信数据可以被分割成块，并且这些块可以由大量 GPU 核心独立索引，但数据的可变性可能会阻止 GPU 满负荷运行。（当所有“桨手”（处理器内核/线程）都朝着同一个方向拉动时，GPU 代码工作得最好——在单独的数据上统一执行）虽然数据库索引可能会通过使用 GPU 方法看到一些好处，但它肯定不会那么大比 CPU 基线的性能改进更适合 GPU 执行模型约束 - 例如信号处理。

【讨论】：

【解决方案2】：

暴力加密攻击？ MD5 由Whitepixel 完成，SHA-256 由所有比特币矿工完成。另一方面，我不知道bcrypt() 或scrypt() 的任何GPU 实现，但是在该领域工作的学者可能是一个更好的人问。

【讨论】：

【解决方案3】：

确定哪些类型的应用程序非常适合 GPGPU 的最简单方法是查看其他组已实现的加速。以下是一些包含该信息的链接：

看起来军事/航空航天、生命科学、能源、金融、制造、媒体和其他一些较小的行业都有强劲加速的例子。

【讨论】：