Stock Data

GPGPU 能否解决运行时问题，很大程度上取决于你的应用程序。首先，只有当你的运行时主要由高度数据并行的计算时，GPGPU 才有效。如果你的应用程序将总运行时间的一半用于可并行化的计算，那么即使所有并行计算都无需任何时间，你的速度也永远不会超过两倍。为了达到十倍的加速，你的应用程序至少 90% 的部分应该是可并行的。

对性能提升至关重要的第二个方面是数据在主内存和 GPGPU 板载内存之间传输的程度。如果数据 阿曼电话数据 传输过多，使用 GPGPU 将无法获得预期的性能提升。理想情况下，仅在模拟开始和结束时进行数据传输，其间的所有计算仅使用 GPGPU 内存。

即使这些是简单的指导原则，评估 GPGPU 对性能的影响通常也很困难。应用程序的某些部分现在可能并非并行，但或许可以用其他算法替代。对于基本的计算任务，使用 GPGPU 优化的库（例如cuBLAS）而不是手工编写的软件是值得的。通过重新安排计算可以改进内存访问模式。因此，一定程度的代码重构可以显著提升 GPGPU 的性能。在VORtech，我们通过咨询和软件开发的形式为客户提供这方面的帮助。向下滚动查看更多信息。

示例
我们为客户开展的大部分工作都是保密的，因此很遗憾，我们无法分享已移植到 GPGPU 的应用程序的详细信息。不过，市面上有很多令人印象深刻的 GPGPU 应用程序示例。以下列举一些。

在生物技术领域，Nvidia 的这份商业手册值得一看。它展示了多个生物技术应用程序从多核 CPU 升级到一个或多个 GPGPU 后的性能提升。显然，不同应用程序的性能提升幅度有所不同。许多应用程序的加速比不到 10，但也有一些应用程序的计算时间从 3.5 天缩短到仅需 4 小时。