CPU vs GPU

CPU vs GPU
CPU
- Cachés muy rápidas (ideal para la reutilización de datos)
- Granularidad fina ramificación
- Muchos de los diferentes procesos / hilos
- Alto rendimiento en un solo hilo deejecución
GPU
- Un montón de unidades matemáticas
- Acceso rápido a la memoria integrada
- Ejecutar un programa en cada fragmento / vértice
- Alto rendimiento en tareas paralelas CPUs son grandespara el paralelismo de tareas GPUs son grandes para el paralelismo de datos
GPGPU es un concepto reciente que trata de estudiar y aprovechar las capacidades de cómputo de una GPU.
(GEMM) muestra cómoutilizar de manera eficiente un dispositivo OpenCL * para realizar la operación general de multiplicar la matriz en dos matrices cuadradas densos. El objetivo principal dispositivos que son adecuadospara esta muestra son los dispositivos con memoria cache. Esta aplicación optimiza la multiplicación de matrices trivial y bucle anidado para utilizar la memoria caché más eficiente mediante laintroducción de una práctica conocida como suelo de baldosas (o bloqueo), donde matrices se dividen en bloques y los bloques se multiplican por separado para mantener la mejor localidad de datos.
TRSM es unpaso importante en la obtención de la solución de un sistema lineal de ecuaciones después de la descomposición de la matriz como LU, Cholesky y QR. La aplicación está diseñada para eliminar lanecesidad de CPU de acoplamiento mediante la ejecución de TRSM en la GPU con un alto rendimiento y la estabilidad numérica.
Se evalúa OpenCL como una herramienta de programación para el desarrollo deaplicaciones de rendimiento portátil para GPGPU. OpenCL tiene requerido inicializaciones rendimiento impactando que no existen en otros idiomas, como CUDA. La comprensión de estas implicaciones nos permiteofrecer una única biblioteca con un rendimiento decente en una variedad de plataformas. Por ejemplo el solucionador triangular (TRSM) y la multiplicación de matrices (GEMM) como representativos de...