Performance 什么'；纹理上传的速度是多少？

我想上传两个图像到GPU内存，我感兴趣的是我能多快做到这一点

---

事实上，使用CPU比较RAM中的两个位图会更快吗？或者将它们上传到GPU并使用GPU并行性来完成吗？

由于内存访问是这里的瓶颈，因此仅在CPU中完成很可能会更快。使其并行运行不太可能给您带来任何好处，内存访问本质上是一种串行操作。

这个问题的答案非常有争议，完全取决于您的系统配置。这意味着您必须自己进行基准测试。可能影响您处境的因素：

公羊的速度

GPU总线的速度

是否在GPU和CPU之间共享RAM

---

然而，我确实认为在一般情况下（例如，总线速度为GB/s），将图像上传到GPU并在GPU上进行差异比较会更快。

如果运行CUDA设备带宽示例，您将获得上传速度的基准

假设DDR3三通道1600MHz RAM，您将获得大约38 GB/s的内存带宽

拿一个典型的中端卡（如GTX460）来说，您将获得84 GB/s的内存带宽。请注意，对于PCI-E2.0 x16链路，您必须在总线上进行一次跳跃，这在理论上是8GB/s，实际上是5.5

请注意，科特林斯基的答案并不完全正确。你可以做并行比较，然后做并行缩减，在这种情况下，更大的GPU设备带宽最终会成功

我认为答案很可能是：上传到GPU并进行一次比较是一种损失。如果进行多次比较（例如，在GPU上保存和修改），则可能获得收益

编辑：

---

多次比较是指您是否在GPU内存中原位修改图像。因此，它值得再进行一次比较（缓存不会减少它），同时不会招致另一个副本的惩罚。

前两个答案，两个相反的观点。是否有一个基准可以显示上传速度？我不知道你如何从巴士速度得出最后一句话。CPU的计算量通常大于带宽，CPU-GPU的带宽通常较小（如果共享，则等于）。那么，将所有数据移动到GPU到底有什么帮助呢？@Bahbar我在处理过程中考虑了GPU端的实际并行性，但整个问题都非常依赖于系统，并且可以很容易地双向解决。例如，核心计数和SIMD实现肯定会有助于CPU。当然，真正的问题是他需要处理多少数据才能开始。GPU的速度更快，包括CPU的传输，意味着CPU没有足够的计算能力来有效利用其可用带宽（因为CPU-GPU的b/w比可用的CPU小，我们讨论的是每个内存项的一个差异。这一点很关键）。我是说没有一个系统具有这些特性（真的，如果CPU永远不能全部计算，为什么要给CPU加这么多b/w？）如果你想多次比较，最好是缓存结果。。。