Вы успешно использовали GPGPU? [закрыто]

Закрыто. Этот вопрос основан на мнении. В настоящее время ответы не принимаются.

Решение проблемы

Я занимаюсь разработкой gpgpu с потоковым SDK ATI вместо Cuda. Какой прирост производительности вы получите, зависит от множества факторов, но самым важным из них является числовая интенсивность. (То есть отношение вычислительных операций к обращениям к памяти.)

Функция BLAS level-1 или BLAS level-2, такая как добавление двух векторов, выполняет только 1 математическую операцию для каждых 3 ссылок на память, поэтому NI равен (1/3). Это всегда работает медленнее с CAL или Cuda, чем просто на процессоре. Основная причина — время, необходимое для передачи данных от процессора к графическому процессору и обратно.

Для такой функции, как БПФ, требуется O(N log N) вычислений и O(N) обращений к памяти, поэтому NI равен O(log N). Если N очень велико, скажем, 1 000 000, вероятно, будет быстрее сделать это на графическом процессоре; Если N мало, скажем, 1000, это почти наверняка будет медленнее.

Для функции BLAS level-3 или LAPACK, такой как LU-разложение матрицы или поиск ее собственных значений, требуется O(N^3) вычислений и O(N^2) обращений к памяти, поэтому NI равен O(N). Для очень маленьких массивов, скажем, N составляет несколько баллов, это все равно будет быстрее делать на процессоре, но по мере увеличения N алгоритм очень быстро переходит от привязки к памяти к привязке к вычислениям, и прирост производительности на графическом процессоре очень возрастает. быстро.

Все, что связано со сложной арифметикой, требует больше вычислений, чем скалярная арифметика, которая обычно удваивает NI и увеличивает производительность графического процессора.

(источник: earthlink.net )

Вот производительность CGEMM — сложное матричное умножение с одинарной точностью, выполненное на Radeon 4870.