|
前言：前些年DIY玩家群体里曾经有个讨论，就是未来显卡或许也可用于计算，那么装机应该把钱投到CPU上多一点，还是投到GPU上多一点？时至今日，AMD和Intel的CPU里面都已经整合了支持用于计算的GPU核心，到底这种把GPU用于计算的技术，“通用计算”，是不是能够为电脑处理加速呢？其实用性有多大？限制又在何处？今天我们就来用简单的实例分析，给大家一个更清晰的通用计算了解。
●越加速越慢，从一个有趣的案例开始说起 在很多人的认识里，通用计算就是CPU+GPU一起用，用GPU协助CPU进行计算，从而得到“1+1”等于或者约等于2的性能提升，加速电脑的计算速度。然而实际是这样么？我们就以一个对比测试来展开今天的话题。
我们今天使用LuxMark来作测试参考，LuxMark是一款由Jromang编写的OpenCL通用计算测试工具，基于开源的LuxRender引擎，能够有效地测试GPU和CPU的OpenCL运算性能，并且还支持CPU+GPU一起运算的加速模式，专业性、可参考性非常强，上面是HD7850单卡的测试成绩：590。
大家不用点开大图就可以看到这张图的成绩，475，比上面的图低很多，难道笔者是换了一张低端的显卡？点开大图大家就可以看到，其实笔者不仅没有换卡，还添加了A6-3670K处理器来协助计算！没错，这是CPU+GPU加速后的成绩，它比GPU单卡成绩还低100分有多——也就是我们今天要说的，越加速反而越慢。 到底这是怎么回事呢？通用计算不应该是用来加速的吗？为何还变慢了？下面我们先来从通用计算的知识讲起。 ●重新认识“通用计算”
通用计算是一个很广泛的概念，我们电脑DIY玩家一般说的“通用计算”指的是“GPU通用计算”，意思就是用显卡GPU来处理一些原本CPU可以处理的计算，又常被称为“异构计算”。 目前通用计算规范主要有三种，NVIDIA独家的CUDA，微软主导的DirectCompute，苹果等多家厂商支持的OpenCL。近期有消息指出Intel下一代核显会大幅强化OpenCL性能，因此我们今天要讲的，主要就是其中的OpenCL。 ----------------------------------------------------------------------------- 小提示：上图这个是Intel出的独显？ 上图是Intel的Xeon至强Phi处理器，具备多达60个核心，和一般的CPU相比，它不仅外观而且内部设计都更像GPU，但是又不是严格意义上的GPU，它是Intel设计给服务器等场合使用的从处理器，能够和服务器CPU搭配发挥惊人的计算能力，可以说是一款很好地体现通用计算理念的产品。 ----------------------------------------------------------------------------- ●为什么需要通用计算
虽然我们已经喊“CPU性能过剩”已经好几年了，但是实际上有些时候电脑的处理速度还不能让我们满意，因此我们需要通用计算。为什么要用显卡来加速处理呢？我们看看上图就懂了，目前一般的CPU就2~4个核心，高端的6~8个，而GPU轻轻松松就有240个，悬殊的设计差异让显卡能在一些CPU处理得慢的应用中取得更高的效率，而这些应用场合就是通用计算的优势，比如文件压缩、视频转码就是典型。 回到我们开头的问题，LuxMark的图形渲染操作是不是GPU处理更有优势呢？答案是肯定的，但是为什么CPU+GPU一起来运算，效率比单独让GPU去运算还底呢？下面我们就深入浅出给大家解析一下。 ----------------------------------------------------------------------------- 1、8楼，敢把单卡跑分时的cpu写出来么？ PConline编辑回复：笔者的确有测跑分，不过这分数有点……不解释。
2、12楼，三大通用，到底哪个强一点？ PConline编辑回复：就效率而言，NVIDIA的CUDA是最好的，毕竟它只要针对自家的显卡优化好就行了，而OpenCL和DirectCompute，由于面向非常广泛的硬件，实际编程起来要相对难一些，而且不可能针对所有硬件都有很好的性能优化。 -----------------------------------------------------------------------------
|
正在阅读：越加速反而越慢？通用计算实用性浅析越加速反而越慢？通用计算实用性浅析
2012-12-17 00:15
出处：PConline原创
责任编辑：liganlin
键盘也能翻页，试试“← →”键
| 本文导航 | ||
|
