C++ CPU哈希比GPU快？

我想生成一个随机数，并在我的GPU上使用

OpenCL

和基本代码对其进行哈希运算（它不是对预先给定的纯文本进行哈希运算，而是对随机数进行哈希运算）。
我在我的GPU上使用了所有的哈希，但有一个问题：
当使用OpenCL时，每秒完成的哈希数会降低吗

是的，你听对了，目前只使用CPU比只使用GPU更快。
我的GPU运行速度仅为

~10%

，而我的CPU运行速度为

~100%

我的问题是：这怎么可能，更重要的是，我如何修复它

这是我用来生成

伪随机数的代码（在两次运行之间根本不会改变）：

从这里调用：

void Miner::Start() {
    std::chrono::system_clock::time_point today = std::chrono::system_clock::now();
    startTime = std::chrono::system_clock::to_time_t(today);
    std::thread tickT(&Miner::ticker, this);
    PostHit();
    GetAPIBalance();
    while (true) {
        std::thread t[32]; //max 32
        hashFound = false;
        if (RequestNewBlock()) {
            for (int i = 0; i < numThreads; ++i) {
                t[i] = std::thread(&Miner::JSEMine, this);
            }
            for (auto& th : t)
                if (th.joinable())
                    th.join();
        }
    }
}

CPU的延迟特性比GPU好得多。也就是说，CPU可以执行一种操作方式，比GPU快很多。这甚至没有考虑CPU->Main RAM->PCIe总线->GDDR5“全局”GPU->GPU寄存器->全局GPU->PCIe总线返回->Main RAM->CPU往返时间（我在这里跳过了一些步骤，比如固定和一级缓存）

GPU比CPU具有更好的带宽特性（前提是数据集可以装入GPU有限的本地内存）。GPU执行SHA256哈希的速度比CPU执行SHA256哈希的速度快

比特币需要数百万、数十亿甚至数万亿的散列才能实现具有竞争力的散列率。此外，计算可以在GPU上进行，而无需与CPU进行大量协作（无需通过PCIe进行缓慢的往返）

这是一个基本设计的问题。CPU被设计成最小化延迟，而GPU被设计成最大化带宽。您的问题似乎是延迟限制（您计算的SHA256哈希太少，GPU无法发挥作用）。32是。。。在我们所说的范围内真的很小

AMD GCN架构在您至少有64个工作项之前甚至不会全速运行，可以说您确实需要256个工作项来最大化44个计算单元中的一个，比如说。。。a R9 290x

我想我想说的是：用11264个工作项（或更多）再试一次，这是GPU设计用于工作的工作项的数量。不是32岁。我从R9上的44个计算单元中得到这个数字290x*4个向量单元/计算单元*64个工作项/向量单元。
最好显示散列计算代码，而不是随机发射代码（这似乎不会造成任何问题）。首先；你应该发一封信。第二不要不断地重新创建生成器-使其保持活动状态，并在调用之间重新使用它（重新创建分发版很好；它们不保存状态，而且价格便宜，但生成器确实保存状态，需要播种（一次）并重新使用-它们的构建成本也很高）。OpenCL适用于矢量化代码（SIMD），SHA256并不是一个完全矢量化的计算。@VTT我会这样做的，等等。注意：只使用时间作为种子（不管分辨率如何）是非常糟糕的，在某种程度上是可以预测的。如果你想要一个合适的不可预测的种子，你想在那里混合其他来源（
std:：random_device
将是一个不错的选择-你可以添加其他东西（除了
random_device
，如果你喜欢的话）可能是用户CPU的CPUID、当前进程ID、自启动以来的当前时间、主
main
的地址、当前环境变量的散列值、NIC的MAC地址等—但不要只使用时间……啊，是的，我明白了。因此，归结起来就是GPU正在“挨饿”从工作中（在本例中是随机数到散列）？如果是这样，那么我不明白它是如何挨饿的。CPU可以自己做20kh/s（因此创建一个随机数并对其进行散列）。然后，我认为去掉散列负载应该会增加它可以生成的随机数的数量。这里有很多系统。在CPU可以与GPU通信之前，它需要“固定”其工作的内存。然后它将内存传输到主DDR3（或DDR4），然后PCIe总线将数据传输到GPU。在许多情况下，仅在CPU上对数据进行SHA256哈希运算可能比等待RAM将数据传输到GPU更快（更不用说执行计算了）。您需要“批量处理大量工作”如果你真的想利用GPU。在正常情况下，将所有东西都保存在CPU一级缓存和计算中的速度更快。啊，是的，我明白了。有没有一种简单的方法可以为GPU生成足够的工作？或者说，它会不会花费太长的时间来实现“盈利”呢？真的没有“简单”的方法方法。每种测试方法都需要分析、测试和理解。我的第一种方法是在一个巨大的数组中生成所有随机数（比如让CPU批处理达到100MB+的随机数）然后让GPU尝试散列所有这些。我不知道它是否会更快，但是，你必须自己测试它。仅CPU的方法可能会更快，因为CPU的一级缓存速度非常快…任何使用主内存的方法都会自然地显著降低CPU的速度（包括与GPU通信的方法）啊，好吧。那么我想我暂时把GPU的东西放在一边，直到我对它有了更好的理解：）
void Miner::ticker() {
    SetThreadPriority(GetCurrentThread(), THREAD_PRIORITY_HIGHEST);
    while (true) {
        Sleep(1000);
        HashesPerSecond = hashes;
        hashes = 0;
        PrintInfo();
    }
}

void Miner::Start() {
    std::chrono::system_clock::time_point today = std::chrono::system_clock::now();
    startTime = std::chrono::system_clock::to_time_t(today);
    std::thread tickT(&Miner::ticker, this);
    PostHit();
    GetAPIBalance();
    while (true) {
        std::thread t[32]; //max 32
        hashFound = false;
        if (RequestNewBlock()) {
            for (int i = 0; i < numThreads; ++i) {
                t[i] = std::thread(&Miner::JSEMine, this);
            }
            for (auto& th : t)
                if (th.joinable())
                    th.join();
        }
    }
}

Miner m(threads);
m.Start();