GPU并行计算入门1——背景知识

最新推荐文章于 2024-07-24 11:38:37 发布

wanyfe

最新推荐文章于 2024-07-24 11:38:37 发布

阅读量5.8k

点赞数 4

分类专栏： GPU 文章标签： gpu 并行计算 opencl CUDA

本文链接：https://blog.csdn.net/wanyfe/article/details/48166705

版权

本文介绍了GPGPU的概念，以及CUDA和OpenCL在GPU并行计算中的应用。CUDA是NVIDIA的专有技术，提供完整的开发工具和库，而在跨平台和通用性上，OpenCL更具优势。两者在开发者友好度、市场占有率和目标硬件支持方面存在差异，但CUDA C语言和OpenCL在并行计算上有相似之处，可相互移植。

摘要由CSDN通过智能技术生成

专有名词：

GPGPU 通用图形处理器 （英语：General-purpose computing on graphics processing units，简称GPGPU或GP²U），利用处理图形任务的图形处理器来计算原本由中央处理器处理的通用计算任务，这些通用计算常常与图形处理没有任何关系。由于现代图形处理器强大的并行处理能力和可编程流水线，令流处理器可以处理非图形数据。特别在面对单指令流多数据流（SIMD），且数据处理的运算量远大于数据调度和传输的需要时，通用图形处理器在性能上大大超越了传统的中央处理器应用程序。

CUDA（Compute Unified Device Architecture，统一计算架构[1]）是由NVIDIA所推出的一种集成技术，是该公司对于GPGPU的正式名称。通过这个技术，用户可利用NVIDIA的GeForce 8以后的GPU和较新的Quadro GPU进行计算。亦是首次可以利用GPU作为C-编译器的开发环境。NVIDIA营销的时候[2]，往往将编译器与架构混合推广，造成混乱。实际上，CUDA可以兼容OpenCL或者自家的C-编译器。无论是CUDA C-语言或是OpenCL，指令最终都会被驱动程序转换成PTX代码，交由显示核心计算。

OpenCL（Open Computing Language，开放计算语言）是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。OpenCL由一门用于编写kernels（在OpenCL设备上运行的函数）的语言（基于C99）和一组用于定义并控制平台的API组成。OpenCL