首先，字没打错，是G P U，没打错，我要打的字就是 G P U
下面开始——GPU计算的简单实现我们知道，CPU一般用于处理数据。计算方面，它叫做ALU，也就是算术逻辑单元。
而GPU因为常年去做图像处理，它自己也变得越来越适合浮点数计算了——成百上千个内核在同一时间一起计算。
就这样看来，GPU计算的速度一定很棒：大量数据一次性便计算完成了。
换句话说，比如我要执行下面的代码：
buff[0] *= ;
buff[1] *= 0.5;
...
buff[10000000000000] *= 0.5;
想到怎么写了吗？或许你是这样做的：
int i = 10000000000001;
while(i--)
buff[i - 1] *= 0.5;
那么假如没有 任何优化的话，CPU是不是就像这样执行的？
[td=1,1,50.00%] 步骤[td=1,1,50.00%] 执行内容[td=1,1,50.00%] 1[td=1,1,50.00%] buff[0] *= 0.5;[td=1,1,50.00%] 2[td=1,1,50.00%] buff[1] *= 0.5;[td=1,1,50.00%] ......[td=1,1,50.00%] buff[..] *= 0.5;[td=1,1,50.00%] n[td=1,1,50.00%] buff[n] *= 0.5;需要很久，对吧？因为它是进行一次次的去乘，所以需要从第一个乘到最后。
那么仔细的观察可以看到，每一次它都是取乘以0.5。要是能一次性计算一大堆，比如一次性计算100个，那就好了。如此一来，一次性计算100的步骤就变成了
[td=1,1,50.00%] 步骤[td=1,1,50.00%] 执行内容[td=1,1,50.00%] 1[td=1,1,50.00%] buff[0 * 100 + 0] *= 0.5;
buff[0 * 100 + 1] *= 0.5;
.......
buff[0 * 100 + 99] *= 0.5;[td=1,1,50.00%] 2[td=1,1,50.00%] buff[1 * 100 + 0] *= 0.5;
buff[0 * 100 + 1] *= 0.5;
......
buff[0 * 100 + 99] *= 0.5;[td=1,1,50.00%] ......[td=1,1,50.00%] buff[.. * 100 + 0] *= 0.5;
buff[.. * 100 + 1] *= 0.5;
......
buff[.. * 100 + 99] *= 0.5;[td=1,1,50.00%] k = n / 100[td=1,1,50.00%] buff[k * 100 + 0] *= 0.5;
buff[k * 100 + 1] *= 0.5;
.......
buff[k * 100 + 99] *= 0.5;
这样一来，我最起码可以把原来计算一百次的时间压缩到执行一次的时间——很明显，运算的次数没变，但是花费的时间大大的减少了。这个就是并行计算。
早在CPU的Intel Pentium III出现时，就已经出现了一个很小的并行计算指令集——SSE，在更早的时候也有MMX指令集。这些指令集在现在的CPU上依然存在。在M$的VC++编译器中，很多运算可能就会被优化成SSE或者SSE2指令集来操作——更快、占用更低。
我们知道，GPU本身是用于图像处理的。举一个最简单的例子，我们在Windows上使用的Direct 3D这玩意，它就会把数据丢给GPU去运算。那么这个运算量有多大呢？我们不妨来想一下：一个像素点有4个数据：R,G,B,透明度（RGBA），那么一个屏幕是1920*1080，它计算的时候就需要1920*1080*4=8,294,400次运算，大约是2的23次方次。如此大的运算量，CPU做看起来会把桌面什么的fps刷到1帧。那么GPU又是怎么处理的呢？这个时候其实就和并行计算类似了——一次性处理一大堆，那么就可以降低运算花费的时间了。
说了这么些，估计你也想知道GPU这样有什么鸟用对吧？只能绘图看起来并无它用。但是随着时代的发展，GPU开始用于计算领域——矩阵乘法、二维离散傅里叶变换等。因为这些算法有一个共同的特点：计算量非常大，因而，它们被弄到GPU上尝试实现，结果也是显而易见的——它们的执行速度无一都不变得更快了。
那么，我们就来实现一下GPU计算。
在这之前，先简单的介绍一下GPU编程可能会用到的语言。最为大家所知晓的应该是Nvidia的CUDA，非常强大，包含了各种各样的库，又因为是开发商给自己的硬件开发的玩意，所以效率也是出奇的高。但是缺点很明显，只能用在Nvidia的显卡上。第二个叫做OpenC，是业界第一个跨平台的异构编程框架，也是最通用的一个框架。作为一个开放的标准，OpenCL并不局限于某个特定的GPU厂商。最后，就是Visual Studio自己带的C++ AMP，它降低了程序的编写难度（其实看着还是头大的......），不过只有MS做了实现，基于DirectX。因为吧，我的电脑太不争气了，安装个CUDA告诉我C盘空间不足......所以只好去找C++ AMP的事情了。下面，我们就用C++ AMP来实现GPU计算。
MS很赞的送了介绍、参考等等。这都不是最重要的，最重要的是，它是中文的：[msdn]基于代码的 C++ AMP 简介
按照里面的内容，我们需要做三件事：
[li]把数据提交到GPU，也就是array_view这个模板类[/li][li]进行GPU计算，也就是用parallel_for_each[/li][li]把数据弄回来[/li] 然后，开始实战：
#include <stdio.h>
#include <amp.h>
using namespace Concurrency;
double xin[1000] = { 0.0 };
int main()
{
array_view<double, 1> doubleMul(1000, xin);
parallel_for_each(doubleMul.extent, [=](index<1> idx) __GPU_ONLY
{
doubleMul[idx] += 5;
doubleMul[idx] *= 10;
});
for (int i = 0; i < 1000; i++)
{
xin = static_cast<double>(doubleMul);
if (xin != 50.0)
printf("%lf\r\n", xin);
}
system("pause");
return 0;
}
好了，GPU计算的实现就告一段落了。要是，有写的不足，的，地方，麻烦，指，出。
 |
|
转播
淘帖
