5

我最近开始研究一个项目，以确定如何最好地利用现代显卡中可用的处理能力进行一般编程。似乎现场通用 GPU 编程 (GPGPU) 对具有大量数学的科学应用程序有很大的偏见，因为这非常适合 GPU 计算模型。这一切都很好，但大多数人不会把所有时间都花在运行模拟软件等上，所以我们认为有可能创建一个通用基础，以便为大众轻松构建支持 GPU 的软件。

这就引出了我想提出的问题；程序执行的最常见工作类型是什么？由于我们愿意接受适度的性能改进（总比没有好，对吧？）。

我们已经想到了几个主题：

  • 数据管理 - 处理来自数据库等的大量数据。
  • 电子表格类型的程序（与上述有点相关）。
  • GUI 编程（尽管可能无法访问相关代码）。
  • 常用算法，如排序和搜索。
  • 通用集合（并将它们与数据操作算法集成）

还有哪些其他编码任务很常见？我怀疑很多正在编写的代码属于库存管理类别，或者跟踪真实的“对象”。

由于我没有行业经验，我认为可能有许多基本类型的代码比我意识到的更频繁地完成，但它们并没有作为外部产品实现。

高级编程任务以及特定的低级操作都将受到赞赏。

4

6 回答 6

3

通用编程非常适用于 GPU。GPU 致力于在数据流上以高速度执行相当简单的任务，并具有大量并行性。它们不能很好地处理通用编程的丰富数据和控制结构，并且试图将其硬塞到它们中是没有意义的。

于 2008-09-04T21:20:41.747 回答
3

通用编程非常适用于 GPU。GPU 致力于在数据流上以高速度执行相当简单的任务，并具有大量并行性。它们不能很好地处理通用编程的丰富数据和控制结构，并且试图将其硬塞到它们中是没有意义的。

这与我对这种情况的印象并不太远，但在这一点上，我们并不太关心自己。我们首先要全面了解我们必须关注哪些选项。完成后，我们将对它们进行更深入的分析，并找出哪些（如果有）是合理的选择。如果我们最终确定在该领域内不可能做任何事情，而我们只是增加了每个人的电费，那么这也是一个有效的结果。

于 2008-09-04T21:29:48.073 回答
2

现代计算机做了很多事情，哪里有一点好处可以走很长的路？让我们来看看...

  • 数据管理：关系数据库管理可以受益于更快的关系连接（尤其是涉及大量关系的连接）。涉及海量同质数据集。
  • 标记化，词法分析，解析文本。
  • 编译，代码生成。
  • 优化（查询、图表等）。
  • 加密、解密、密钥生成。
  • 页面布局，排版。
  • 全文索引。
  • 垃圾收集。
于 2008-09-05T05:38:16.853 回答
0

您可能想看看ACM 的Queue杂志的3 月/4月刊，其中有几篇关于 GPU 以及如何最好地使用它们的文章（当然，除了做图形之外）。

于 2008-09-05T04:52:41.597 回答
0

我做了很多简化配置。也就是说，我将配置值的生成/管理包装在 UI 中。主要好处是我可以控制工作流程和演示，使非技术用户更容易配置应用程序/站点/服务。

于 2008-09-04T21:19:51.467 回答
0

使用 GPU 时要考虑的另一件事是总线速度，大多数显卡的设计目的是在将数据从 CPU 传输到 GPU 时具有更高的带宽，因为它们大部分时间都是这样做的。从 GPU 到 CPU 的带宽（返回结果等所需的带宽）没有那么快。所以它们在流水线模式下工作得最好。

于 2008-09-05T16:45:37.527 回答