关于AMP模式的GPU计算的一些探讨

GUP计算是目前比较热门的处理并行计算的一种方式，使用这个方式可以通过多种方法，其中微软封装的AMP是对C++开发者最友善的一种模式。

AMP需要至少在Visual Studio 2012版本上运行，引用方式非常的简单，如下：

只要在Window程序中添加引用<amp.h>头文件即可调用AMP方式的GPU运算。

同时，执行方式也很简单，采用了一种C++循环头的模式来自动使程序在GPU环境下运行，只需要把要计算的数据值填入AMP的array_view数组中即可使用，array_view数组可以1维的，也可以是多维的，可以通过array_view数组传入或是传出数据，这样就让编程变的异常简单，但同时由于数据要通过array_view在CPU运行空间和GPU运行空间中进行数据的转换，因此也造成了效率的损失。

我写的一段测试代码就出现了这个问题，我把代码贴出来，大家可以看看这个代码的运行情况，以及运行效率，大佬们可以给些意见和建议。

#include "stdafx.h"
#include <amp.h>
#include <iostream>
#include <vector>
using namespace Concurrency;
const double PI = 3.14159265358979323846;
const size_t size = 10000000;//循环次数
//GPU计算
void GPUCompute(std::vector<double> vec)
{
    DWORD t1, t2;
    t1 = GetTickCount();
    std::vector<double> resultVec;
    resultVec.resize(size);
    array_view<const double, 1> array1(size, vec);
    array_view<const double, 1> array2(size, vec);
    array_view<double, 1> result(size, resultVec);
    t2 = GetTickCount();
    std::cout << "GPU Use Time Init:" << (t2 - t1)*1.0 / 1000 << "\n";
    t1 = GetTickCount();
    //GPU计算部分
    parallel_for_each(result.extent, [=](index<1> idx) restrict(amp)
    {
        result[idx] = array1[idx] * array1[idx] * array2[idx] / array2[idx];
    });
    result.synchronize();
    t2 = GetTickCount();
    std::cout << "GPU Use Time Cal:" << (t2 - t1)*1.0 / 1000 << "\n";
}

//CPU计算
void CPUCompute(std::vector<double> vec)
{
    DWORD t1, t2;
    t1 = GetTickCount();
    std::vector<double> result;
    result.resize(size);
    std::vector<double> array1 = vec;
    std::vector<double> array2 = vec;
    t2 = GetTickCount();
    std::cout << "CPU Use Time Init:" << (t2 - t1)*1.0 / 1000 << "\n";
    t1 = GetTickCount();
    for (size_t i = 0; i < size; i++)
    {
        result[i] = array1[i] * array1[i] * array2[i] / array2[i];
    }
    t2 = GetTickCount();
    std::cout << "CPU Use Time Cal:" << (t2 - t1)*1.0 / 1000 << "\n";
}

int _tmain(int argc, _TCHAR* argv[])
{
    std::vector<double> nums;
    for (size_t i = 0; i < size; i++)
    {
        nums.push_back(PI);
    }
    GPUCompute(nums);
    CPUCompute(nums);
    system("PAUSE ");
}

执行结果：

从运行结果上看CPU运行明显要快于GPU。我也试过把计算过程调整为比较复杂的运算，这种情况下，在数量较小时GPU没有优势，在达到一定数量时，GPU会优于CPU，但数量继续增大，优于拷贝过于费时，GPU的效率又变差了。

仅是我个人的一些测试，望大家指正。