performance - GPGPU:还在流血的边缘？

Question

就目前而言，这个问题不适合我们的问答形式。我们希望答案得到事实、引用资料或专业知识的支持，但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the help center寻求指导。




10年前关闭。




GPGPU 是否已准备好用于生产和原型(prototype)设计，还是您仍会认为它主要是一种研究/前沿技术？我在计算生物学领域工作，它开始引起该领域更多以计算机科学为导向的人的注意，但大部分工作似乎都是在移植众所周知的算法。算法的移植本身就是研究项目，该领域的绝大多数人对此了解不多。

我在传统的多核上做了一些计算密集型的项目。我想知道 GPGPU 与新算法原型(prototype)设计和日常生产使用的可用性有多接近。通过阅读 Wikipedia，我得到的印象是编程模型很奇怪(大量 SIMD)并且有些受限(没有递归或虚函数，尽管这些限制正在慢慢消除；没有比 C 更高级别的语言或 C++ 的有限子集)，并且有几个相互竞争的、不兼容的标准。我还得到这样的印象，与常规的多核不同，细粒度并行是城里唯一的游戏。基本的库函数需要重写。与传统的多核不同，仅通过并行化程序的外循环并调用老式串行库函数是无法获得巨大的加速的。

这些限制在实践中有多严重？ GPGPU 现在准备好认真使用了吗？如果没有，你猜需要多长时间？

编辑:我想要解决的一个主要问题是，编程模型与具有大量非常慢的内核的常规多核 CPU 有多大不同。

编辑＃2:我想我总结我得到的答案的方式是，GPGPU对于利基市场的早期采用者来说足够实用，它非常适合，但仍然足够前沿而不被视为“标准”像多核或分布式并行这样的工具，即使在那些性能很重要的领域也是如此。

Answer 1

毫无疑问，人们可以使用 GPU 进行有用的生产计算。

大多数情况下，这里表现良好的计算是那些非常接近令人尴尬的并行性的计算。 CUDA 和 OpenCL 都可以让您以一种适度痛苦的方式表达这些计算。因此，如果您可以以这种方式进行计算，则可以做得很好。
我认为这个限制永远不会被认真取消。如果他们能做到这一点，那么一般的 CPU 也能做到。至少我不会屏住呼吸。

您应该能够通过查看现有代码来判断您当前的应用程序是否适合。像大多数并行编程语言一样，在编写完整的应用程序之前，您不会知道自己的真实性能。不幸的是，经验无可​​替代。