GPGPU所引领的性能计算.pptVIP

操作系统 递归算法 桌面应用 例如MS Word 交互性应用 例如Debugger … CPU GPU 适用的应用 油气勘探 金融分析 医疗成像 有限元 基因分析 物理模拟 地理信息系统 热点 搜索引擎 数据库、数据挖掘 数理统计分析 生物医药工程 导航识别 军事模拟 无线射频模拟 图像语音识别 … 潜在 小结(1/2) CUDA编程模式开发要注意多线程读写、写写操作错误 CUDA编程模式性能优化： 每个线程访问的数据尽量是连续的 在计算过程中，尽量使数据从内存到显存中的拷贝一次完成 将计算过程中频繁用到的变量，存储到share memory或register中，合理利用芯片级显存 线程数尽量多 * * 小结(2/2) 通过 CUDA 编程模式改造，可以大幅度的提升粒子模拟程序的计算性能，但是作为GPGPU编程模式的一种，其仍有以下一些不足之处有待进一步完善： 编程复杂度较大，比较CUDA编程模式与传统的x86 CPU编程模式可以看到，在CUDA 编程中，对于线程分配、线程边界的处理及多线程读写等问题，不但需要人为的设计，且设计结构的好坏极大程度影响了最终程序运行的性能。而这些工作，在 x86 CPU编程模式中，实现起来相对要方便的多，有的甚至可以交给编译器来做。而与 Cell 体系结构编程模式相比较，CUDA目前缺少主流的集成开发环境，因此软件开发工作量相对也会大一些； GPU