EfficientML.ai-parallel computing tutorial

在EfficientML.ai上学了一下parallel computing的几种方式，来尝试一下效果吧！
 

整体尝试

基于项目GitHub - mit-han-lab/parallel-computing-tutorial

执行

make -j4

后，报错，找不到pthread相关的内容 

添加下面修改后解决问题， 

在 11th Gen Intel(R) Core(TM) i5-1135G7 @ 2.40GH的笔记本上来看看执行benchmark后的效果，可以看到最后一种是上述集中的组合，所以加速效果最好，CUDA没有启用。

11th Gen Intel(R) Core(TM) i5-1135G7 @ 2.40GH 

接下来又尝试基于树莓派查看一下加速效果，运行等待时间很长。。。

 

NEON加速调用

值得注意的是，后两个计算结果不正确，原因是arm上编译没有自动调用neon优化的宏。解决办法是修改cmakelists.添加 --mfpu=neon 可以调用neon加速。否则，将不再自动启动。

下面是计算结果，可看到，neon的计算结果正常，但是（只有）最后一行结果不正确。原因进一步分析中。

目前为止，确认了并行计算在x86和ARM两大算力平台的区别。

ARM由于架构不同，需要增加的编译选项也不一致。

在Nvidia TX2上进行调试后，进行分析，发现CPU算力确实明显强于Raspberry Pi3

NEON加速方式分析

TODO

参考文献

 ARM Options (Using the GNU Compiler Collection (GCC))