GPU 대 CPU 성능에 대한 일반적인 알고리즘[마감]
https://stackoverflow.com/questions/1415679
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian문제
나는 흥미를 알고 있는 경우 일반적인 알고리즘(정렬,검색,그래프 등) 포팅되었 OpenCL(또는 GPU language),그리고 어떻게 성능과 비교하여 동일한 알고리즘에 의해 실행됩니다.저는 특별히 관심있는 결과에서(번호).
감사합니다!
해결책
거기 있습니다 꽤 많은 샘플 Nvidia의 웹 사이트에서 이런 종류의 것. 분류와 같은 일부는 효율적인 병렬 처리를위한 특수 알고리즘이 필요하며 단일 코어의 비 스레드 알고리즘만큼 효율적이지 않을 수 있습니다.
다른 팁
GPU는 소규모 작업 세트를 매우 잘 수행하고 고도로 병렬화하도록 설계된 고도로 전문화 된 하드웨어입니다. 이것은 기본적으로 산술 (특히 단일 정밀 플로팅 포인트 수학입니다. 최신 GPU는 이중 정밀도로 잘 작동합니다). 따라서 특정 알고리즘에만 적합합니다. 정렬이 해당 범주에 적합한 지 확실하지 않습니다 (일반적으로 일반적으로).
보다 일반적인 예는 금융 상품 가격, 대량의 매트릭스 수학 및 심지어는 암호화 패배 (무자비한 힘에 의해). 그것은 말하면서, 나는 발견했다 하이브리드 알고리즘을 사용한 빠른 병렬 GPU 분류.
일반적으로 인용 된 또 다른 예는입니다 nvidia gpu에서 seti@home을 실행합니다 그러나 그것은 사과를 오렌지와 비교하고 있습니다. GPU의 작업 단위는 CPU가 일반적으로하는 것과 비교하여 다르고 매우 제한적입니다.
살펴보십시오 추력:
스러스트는 C ++ 표준 템플릿 라이브러리 (STL)와 유사한 인터페이스가있는 병렬 알고리즘의 CUDA 라이브러리입니다. Thrust는 개발자 생산성을 크게 향상시키는 GPU 프로그래밍을위한 유연한 고급 인터페이스를 제공합니다.
GPGPU에 인용 된 성능 수에 대해 조심하십시오. 많은 사람들이 CPU에서 GPU로 입력 데이터를 가져 오는 데 필요한 전송 시간과 출력 데이터를 다시 가져 오는 데 필요한 전송 시간을 고려하지 않는 인상적인 숫자를 게시하는 것을 좋아합니다.
이미지 크기 조정해야 하는 일반적인은 많은 웹사이트에 받아들이는 이미지 업로드되어 있습니다.
크기 조정 2600ish x2000ish2 메가바이트 jpeg 이미지(을 512×512)했 23.5 밀리초 C#에서는 절대 가장 낮은 품질의 옵션과 가장 가까운 이웃 샘플링입니다.사용하는 기능이었다 graphics.DrawImage() 기반으로 하나입니다.CPU 사용량 또%21.5.
점점"rgba 바이트 배열의"추출 C#측에게 보내는 GPU 및 크기 조정에 GPU 얻는 결과로 이미지했다 6.3 밀리초 및 CPU 사용되었%12.7.이와 함께%55 저렴 gpu 으로 320 코어 있습니다.
만 3.73X 속도 합니다.
을 제한하는 요인은 여기에 보내고,추출한 20MB rgb 데이터(jpeg 이 2 메가바이트!) 을 의미합니다.는 시간이 많이 소요되는 부분은 거의 90%의의 총 시간은 포함하여 C#측 바이트 배열로 추출!그래서 나는 양 있는 것에 대해 30X 고속화에서 최소하는 경우 추출 부분에서 할 수 있습니다 GPU too.
30X 이 나쁘지 않다.
할 수 있는 다음 파이프라인을 추출하는 계층으로 크기를 조절층을 숨기는 메모리로 복사 대기 시간을 더 많은 속도!이 될 수 있습 40X-50X.
다음의 질을 증가하는 샘플링(와 같은 바이 큐빅을 대신의 가장 가까운 이웃 사람),당신은 더 많은 이점에 GPU 측.추가 5x5Gaussian 필터가 추가 유 0.77milliseonds.CPU 얻을 것이 몇 가지 더 높은 시간에 최고의하는 경우에는 특히,Gaussian 필요한 매개 변수보다는 다른 C#.Net 구현합니다.
는 경우에도 만족스럽지 않은 속도 비율은,오프로드 GPU 고 무료로"중핵"CPU 에서는 여전히 유리를 위한 추진상 작동하는 서버입니다.
지금 추가 사실의 GPU 전력 소비 수준(30W 대 125W 이 예에서),이것은 훨씬 더 유리하다.
CPU 를 거기에서 승리
C[i]=A[i]+B[i]
벤치마크하면서 실행에 최적화된 코드고 당신은 여전히 오프로드 반의 배열을 GPU 및 완료 빠르게 사용하여 CPU+GPU 에서 동일한 시간입니다.
GPU 가 내장되지 않을 위한 비 균일한 작동합니다.Gpu 깊은 파이프라인 그렇게 서 있는 후 실속 분기 때문에,너무 오래 걸립니다.또한 SIMD 형 하드웨어 힘을 같은 일에 모든 작업 항목에습니다.할 때 항목은 다른 것보다는 그룹,그것은 잃는 트랙을 추가합에 거품 전체 SIMD 파이프라인 또는 단순히 다른 사람을 기다리는 동기화점이다.그래서 brancing 모두에 영향을 미치는 깊고 넓은 파이프라인 분야 그것도보다 느리게 CPU 에 완벽하게 혼란 조건입니다.
