Cuda GPU计算能做什么？

我对GPU计算几乎一无所知。我已经看过一些关于GPU计算的文章，比如说。听起来GPU在计算方面有一些CPU没有的限制。我需要知道GPU能做什么样的计算

---

谢谢。

好吧，我是CUDA的新手，有一些经验，所以我想我可以帮助一个新手对另一个新手做出回应

对你的问题的简短回答是：

它可以做与CPU完全相同的事情，但它具有不同的功能，可以更快或更慢地提供所需的结果（如果考虑到硬件成本相同）。

CPU，即使是多核CPU，也寻求更低的延迟，这导致了构建中的一系列需求。相反，GPU假设要处理的独立数据太多，如果为每个数据项处理一条指令，那么在处理当前指令中的所有内容之前，第一条数据项的结果应该可以参与下一条代码指令（这有点难实现，需要大量的并行开发经验）。因此，GPU结构没有考虑到与CPU强度相同的处理延迟，因为它可能是“隐藏的”通过批量处理，它也不太担心时钟频率，因为它可以在处理器数量上得到补偿

所以，我不敢说GPU对CPU有限制，我要说它有更具体的处理目的，比如声卡，它的构造利用了这种特殊性。比较两者就像比较摩托雪橇车和自行车一样，没有真正意义

---

但是，有一点是可以说明的：如果可以采用高并行方法，那么GPU可以以比CPU更低的成本提供更高的效率，只要记住CPU代表中央处理单元，中央处理单元可以理解为必须比外围处理单元更通用。

首先，您的代码应该包括许多循环，以便调度器在找不到足够的资源来完成循环时可以在循环之间切换。之后，您应该确保代码不会遇到以下情况之一：

1.多样性：如果您的代码有长的

If语句

，那么您的代码在GPU上很可能是多样的。每32个线程被分组在一起，并且一次为所有线程分配一条指令。因此，当在某些线程上执行

If

时，属于

else语句

的其他线程应该等待，反之亦然，这就意味着性能下降

非平衡内存访问：另一件事是内存访问模式。如果您有序地访问全局内存，则可以利用最大内存带宽，但如果您对全局内存上数据的访问顺序错误，则会发现内存访问是一个瓶颈。因此，如果您的代码非常适合缓存，请不要使用GPU作为ALU/缓存的比率GPU上的内存低于CPU

占用率低：如果您的代码占用了这么多寄存器、共享内存、加载/存储数据和特殊的数学函数（如三角函数），那么您可能会发现资源不足，从而无法建立GPU的全部计算能力

---

它可以做任何事情，但硬件更适合大规模并行任务。无论如何，这个问题并不真正属于这个网站。@NeilLocketz一个最小生成树的并行算法已经被提出，并行cpu和gpu之间的区别是什么？gpu比普通的多核cpu要并行得多英伟达10xx系列有大约4000个内核。内核的运行速度比CPU内核低，所以每个任务都慢，但是它们同时完成所有这些任务，所以并行任务的吞吐量可以更快。相关：（就像他们在我的学校里说的，“告诉所有这些PHP的人，他们学会了如何在互联网上编程……”