Comprendo che le GPU hanno centinaia di core in grado di gestire migliaia di thread contemporaneamente e che con l'iterazione di Jacobi si utilizzano essenzialmente gli stessi numeri più e più volte per aggiornare un vettore. È questo il motivo per cui l'implementazione del metodo Jacobi su una GPU è una buona idea, specialmente se disponiamo di un sistema veramente grande perché abbiamo così tanti calcoli ridondanti?
Credo di non vedere davvero perché il metodo Jacobi sia adatto per una GPU
L'algoritmo Iterativo Jacobi calcola ogni riga (quindi, ogni componente della nuova ipotesi) indipendentemente .
E esattamente questo è il trucco magico che viene eseguito su una GPU. Una GPU può rendere i calcoli altamente paralleli .
Nell'algoritmo di Gauss-Seidel (che di solito converge molto più velocemente), ad esempio, ogni riga dipende dal risultato del calcolo della riga precedente. In questo modo è molto malamente parallelizzabile e funziona terribilmente su una GPU.
Secondo Margars, et. al.
The Jacobi iterative algorithms are very good candidates for parallelization …due to being very computationally intensive and inherently divisible into parallel tasks.
Un problema che può beneficiare della programmazione parallela come quella è intrinsecamente adatto per l'implementazione su GPU.
Leggi altre domande sui tag parallel-programming