不是'；核电站功能完全优化？ 我开发了一个天真的函数，用于使用CUDA C++对图像进行水平或垂直镜像。p>

然后我了解到NVIDIA Performance Primitives Library还提供了图像镜像功能

只是为了比较，我对NPP的功能进行了计时。令人惊讶的是，我的功能表现出色（虽然差距很小，但仍然…）

我使用Windows定时器和CUDA定时器多次确认结果

我的问题是：NPP功能是否针对NVIDIA GPU进行了全面优化

---

我正在使用CUDA 5.0、GeForce GTX460M（Compute 2.1）和Windows 8进行开发。

我发布此答案可能会导致没有投票权。：）

NVIDIA不断努力改进我们所有的CUDA库。NPP是一个特别大的库，需要维护4000多个函数。我们有一个现实的目标，即为库提供比CPU等效物更有用的加速，这些库在我们所有的GPU和受支持的操作系统上都经过测试，并得到积极的改进和维护。有问题的函数（镜像）是一个已知的性能问题，我们将在未来的版本中改进它。如果您需要优化某个特定的函数，那么确定其优先级的最佳方法是使用可供访问的bug提交表单提交RFE bug（增强请求）

顺便说一句，我认为任何库都不可能“完全优化”。由于要在庞大且不断增长的硬件基础上支持一个大型库，优化它的工作永远不会完成！：）

---

我们鼓励人们继续尝试并超越NVIDIA图书馆，因为总体而言，它提升了最先进的技术水平，有益于计算生态系统。

以百分比表示，两者的区别是什么？镜像操作将受到内存限制，较新的设备可以灵活地处理哪些类型的内存访问模式。在较新的设备上，简单的实现可能接近最优。也许NPP版本更适用于较旧的设备。您可以从profiler获取内核的内存带宽统计数据，并将其与设备的最大内存带宽进行比较。8位，16位，1通道，3通道，（1280 x 720），（1920 x 1080）。我在16位单通道图像（1280 x 720）中获得了最大加速比，比NPP快18.75%。NPP的性能不足，你说得对。我找到了更好的库来进行CUDA图像处理。我个人喜欢ArrayFire的图像处理选择，并且发现它很快，其他人报告说使用了OpenCV的GPU功能，尽管我还没有听说过这方面的好消息。巴基斯坦的Tunacode也有一些东西。我认为，由于NPP是由我的NVIDIA制造的，所以它应该是最快的。同样的问题也可以说是来自硬件公司的许多软件包。顺便说一下。。。可以肯定地说，只要有足够的时间和精力，就原始性能而言，通常可以击败库函数。库通常会做出较少的假设，以便更广泛地应用。当你自己动手时，你可以使用所有特定于你的情况的假设来加速事情的发展。我想到的一个例子（不是GPGPU，但同样的想法可能适用）是排序。如果您对数据了解很多，并且愿意将这些假设加入到代码中，就不难击败标准排序方法。