- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试测试 Aparapi 的性能。我看过一些blogs结果表明 Aparapi 在进行数据并行操作时确实提高了性能。
但我无法在测试中看到这一点。这是我所做的,我写了两个程序,一个使用 Aparapi,另一个使用普通循环。
程序 1:在 Aparapi 中
import com.amd.aparapi.Kernel;
import com.amd.aparapi.Range;
public class App
{
public static void main( String[] args )
{
final int size = 50000000;
final float[] a = new float[size];
final float[] b = new float[size];
for (int i = 0; i < size; i++) {
a[i] = (float) (Math.random() * 100);
b[i] = (float) (Math.random() * 100);
}
final float[] sum = new float[size];
Kernel kernel = new Kernel(){
@Override public void run() {
int gid = getGlobalId();
sum[gid] = a[gid] + b[gid];
}
};
long t1 = System.currentTimeMillis();
kernel.execute(Range.create(size));
long t2 = System.currentTimeMillis();
System.out.println("Execution mode = "+kernel.getExecutionMode());
kernel.dispose();
System.out.println(t2-t1);
}
}
程序2:使用循环
public class App2 {
public static void main(String[] args) {
final int size = 50000000;
final float[] a = new float[size];
final float[] b = new float[size];
for (int i = 0; i < size; i++) {
a[i] = (float) (Math.random() * 100);
b[i] = (float) (Math.random() * 100);
}
final float[] sum = new float[size];
long t1 = System.currentTimeMillis();
for(int i=0;i<size;i++) {
sum[i]=a[i]+b[i];
}
long t2 = System.currentTimeMillis();
System.out.println(t2-t1);
}
}
程序 1 大约需要 330 毫秒,而程序 2 只需要大约 55 毫秒。我在这里做错了什么吗?我确实在 Aparpai 程序中打印出执行模式,它打印出执行模式是 GPU
最佳答案
您没有做错任何事 - 除了基准测试本身。
基准测试总是很棘手,尤其是在涉及 JIT 的情况下(如 Java),以及许多细节对用户隐藏的库(如 Aparapi)。在这两种情况下,您至少应该多次执行要进行基准测试的代码部分。
对于 Java 版本,由于 JIT 的启动,人们可能期望当循环本身被多次执行时,单次执行循环的计算时间会减少。还有许多额外的注意事项需要考虑 - 了解详情,你应该引用this answer .在这个简单的测试中,JIT 的影响可能并不明显,但在更现实或更复杂的场景中,这会有所不同。总之:当重复循环10次时,在我的机器上执行一次循环的时间大约是70毫秒。
对于 Aparapi 版本,可能的 GPU 初始化点已经在评论中提到。在这里,这确实是主要问题:当运行内核 10 次时,我机器上的时间是
1248
72
72
72
73
71
72
73
72
72
您会看到初始调用导致了所有开销。这样做的原因是,在第一次调用 Kernel#execute()
期间,它必须进行所有初始化(基本上是将字节码转换为 OpenCL、编译 OpenCL 代码等)。 KernelRunner
类的文档中也提到了这一点:
The
KernelRunner
is created lazily as a result of callingKernel.execute()
.
这样做的影响——即第一次执行的相对较大的延迟——导致了 Aparapi 邮件列表中的这个问题:A way to eagerly create KernelRunners .唯一的解决方法是创建一个像
这样的“初始化调用”kernel.execute(Range.create(1));
没有真正的工作量,只触发整个设置,以便后续调用快速。 (这也适用于您的示例)。
您可能已经注意到,即使在 初始化之后,Aparapi 版本仍然不比普通Java 版本快。这样做的原因是像这样的简单 vector 加法任务是内存限制 - 有关详细信息,您可以引用this answer ,它解释了这个术语和一般 GPU 编程的一些问题。
作为您可能受益于 GPU 的情况的一个过于暗示性的示例,您可能想要修改您的测试,以创建一个人工计算绑定(bind)任务:当您将内核更改为涉及一些昂贵的三角函数,像这样
Kernel kernel = new Kernel() {
@Override
public void run() {
int gid = getGlobalId();
sum[gid] = (float)(Math.cos(Math.sin(a[gid])) + Math.sin(Math.cos(b[gid])));
}
};
和相应的普通 Java 循环版本,像这样
for (int i = 0; i < size; i++) {
sum[i] = (float)(Math.cos(Math.sin(a[i])) + Math.sin(Math.cos(b[i])));;
}
然后你会看到不同。在我的机器上(GeForce 970 GPU 与 AMD K10 CPU),Aparapi 版本的时间约为 140 毫秒,普通 Java 版本的时间高达 12000 毫秒 - 这是通过 Aparapi 加速近 90!
另请注意,即使在 CPU 模式下,与纯 Java 相比,Aparapi 也可能具有优势。在我的机器上,在 CPU 模式下,Aparapi 只需要 2300 毫秒,因为它仍然使用 Java 线程池并行执行。
关于java - Aparapi GPU 执行速度比 CPU 慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32858768/
我想知道在谈到 CPU 使用率和 CPU 利用率时,术语是否存在科学差异。我觉得这两个词都被用作同义词。它们都描述了 CPU 时间和 CPU 容量之间的关系。 Wikipedia称之为 CPU 使用率
我研究了一些关于处理器和 Tomasulo 算法的指令重新排序的内容。 为了更深入地了解这个主题,我想知道是否有任何方法可以(获取跟踪)查看为给定程序完成的实际动态重新排序? 我想给出一个输入程序并查
我有一台配备 2 个 Intel Xeon CPU E5-2620 (Sandy Bridge) 和 10Gbps 82599 NIC(2 个端口)的服务器,用于高性能计算。从 PCI 关联性中,我看
您能详细解释一下“用户 CPU 时间”和“系统 CPU 时间”吗?我读了很多,但我不太理解。 最佳答案 区别在于时间花在用户空间还是内核空间。用户 CPU 时间是处理器运行程序代码(或库中的代码)所花
我想知道如何识别 CPU 是否与 ARM v5 指令集兼容。 假设 ARM v7 指令与 ARM v5 兼容是否正确? 最佳答案 您可以阅读 CPUID base register获得PARTNO。然
我目前在具有多个六核 CPU 的服务器上使用 C 多线程。我想将我的一些线程的亲和性设置为单个 CPU 的各个核心。我使用过 pthread_setaffinity_np() 和 sched_seta
1) 独占时间是在方法中花费的时间2) 包含时间是在方法中花费的时间加上在任何被调用函数中花费的时间3)我们称调用方法为“ parent ”,称方法为“子”。引用链接:Click here 这里的问题
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 5 年前。 Improve this ques
好的,所以编译器可以出于性能原因自由地重新排序代码片段。让我们假设一些代码片段,在没有应用优化的情况下直接翻译成机器代码,看起来像这样: machine_instruction_1 machine_i
我在 zabbix 中有以下默认图表,但我不知道如何解释这些值。谁能解释一下? 最佳答案 操作系统是一件非常忙碌的事情,尤其是当你让它做某事时(即使你没有做)。当我们看到一个活跃的企业环境时,总会发生
换句话说,L1、L2、L3 等缓存是否总是反射(reflect) CPU的字节序 ? 或者总是将数据存储在某些 的缓存中更有意义吗?特定字节序 ? 有没有总体设计决策 ? 最佳答案 大多数现代缓存不会
我想知道当前的 cpus 是否避免在其中至少一个为零时将两个数字相乘。谢谢 最佳答案 这取决于 CPU 和(在某些情况下)操作数的类型。 较旧/较简单的 CPU 通常使用如下乘法算法: integer
我有一个 CUDA 应用程序,它在一台计算机(配备 GTX 275)上运行良好,而在另一台配备 GeForce 8400 的计算机上运行速度慢了大约 100 倍。我怀疑有某种回退使代码实际上在 CPU
例如,对于 8 位 CPU,堆栈大小预计为 8 位宽,16 位 CPU 与 16 位堆栈宽度,以及 32 位、64 位 CPU,等等。是否适用于所有架构? 最佳答案 CPU 具有数据总线和地址总线。它
实现 SIMD 是否需要多核 CPU? 在阅读有关 SIMD 的维基百科时,我发现了以下短语“多处理元素”。那么这句话和“多核CPU”有什么区别呢? 最佳答案 不,每个内核通常都可以执行指令集中的大多
我遗漏了一些基本的东西。 CPU 流水线:在基本层面上,为什么指令需要不同数量的时钟周期才能完成,为什么有些指令在多级 CPU 中只需要 1 个周期? 除了明显的“不同的指令需要不同的工作量才能完成”
超线程 CPU 是实现并行还是仅实现并发(上下文切换)? 我的猜测是没有并行性,只有通过上下文切换的并发性。 最佳答案 单个物理 CPU 具有超线程的核心显示为 两个逻辑 CPU 到操作系统。 CPU
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a softwar
背景是这样的:下周我们的办公室将有一天因为维护而没有暖气。预计室外温度在 7 至 12 摄氏度之间,因此可能会变冷。可移植电取暖器数量太少,无法满足所有人的需求。 但是,在我大约 6-8 平方米的办公
我开发了一个应用程序,该应用程序在我的开发箱上的三个容器中运行,该开发箱具有带超线程的四核,这意味着系统和 docker 使用 8 个核心。 容器的 CPU 分配由 docker-compose 完成
我是一名优秀的程序员,十分优秀!