Questo carico di lavoro si adatta alle GPU?

Question

Questo carico di lavoro si adatta alle GPU?

#1 da (2 voti)

1

Ho una funzione perfettamente parallela che funzionerebbe perfettamente su una macchina con 1024 core e 4 GB di RAM. C'è un bel po 'di ramificazioni (facendo set union e strutture di attraversamento). Non c'è comunicazione tra i thread (tranne quando l'intero calcolo è completo). Ogni thread richiede meno di 1 MB di memoria privata e nessuna memoria condivisa. Il risultato di ogni calcolo può essere unito come un CRDT; è fondamentalmente max su un insieme di strutture.

So che questo si adatterebbe al calcolo distribuito. Le GPU sono più efficienti e potenti delle CPU, quindi preferisco usarle. Sembra che questo si adatterebbe GPGPU, dal momento che è massicciamente parallelo e utilizza così poca memoria, ma come posso dire? OpenCL / AMD / CUDA non ha importanza.

parallelism gpu

posta Filip Haglund 08.05.2016 - 14:35

fonte

1 risposta

Leggi altre domande sui tag parallelism gpu

Scalabilità con zeromq REQ e nodejs In un sistema di tipi ESB, quale nome di campo dovrebbe essere usato come "ID di correlazione"?

score 2 · Accepted Answer

Le GPU sono progettate per l'esecuzione di codice con poche o nessuna ramificazione. Nello specifico, lavorano insieme su un principio di raggruppamento dei dati che farà sì che gli stessi rami vengano presi in una routine e li eseguano simultaneamente attraverso le stesse istruzioni laddove possibile. Se il codice coinvolge un numero elevato di filiali e questi rami sono difficili da raggruppare insieme per i meccanismi di invio del processore, è improbabile che possano trarre enormi vantaggi dall'esecuzione su una GPU. Vedi questa descrizione della ramificazione nelle architetture GPU per maggiori dettagli.