Statistics 假设检验与GPGPU

我对GPGPU和编程非常陌生。我很想知道是否可以使用CUDA在GPGPU（SIMD）中实现统计假设检验，如单样本Kolmogorov-Smirnov检验（K-S检验）和Levene检验？如果是这样的话，限制是什么？

我刚刚阅读了关于这些测试的web定义，但是，如果我理解正确，SIMD表示的并行性（特别是CUDA实现的并行性）可以适当地加速这些测试

在K-S检验中，必须计算一个函数与N个样本上的估计值之间的差值，然后取最大差值。换句话说，必须对N个不同的值执行相同的操作，这正是SIMD（单指令多数据）

在Levene的测试中，在N个不同的值上又有相同的差，平方和乘法

SIMD可以做的是N个值集上的一种FOR语句，前提是迭代彼此独立。因此，例如，在CUDA中，编译器可以将迭代分配给图形设备的处理元素，以便并行执行，在单个迭代的时间内针对所有数据运行for循环

---

CUDA工具包提供了一个特定的C/C++编译器（NVCC），其中特殊指令被发送到GPGPU而不是CPU，因此被分发到其并行处理元素。

您是在谈论CPU的数据流单指令多数据扩展指令集（SSE）指令，还是其他形式的单指令多数据集？因为SSE不需要对GPU做任何事情。这可能会有点帮助：@Mehrdad，我的意思是关于GPUHi Halberdier的矢量化或数据并行性，您对这一点的了解非常有用。然后单击上方的箭头：P