38、GPU编程的探索与实践

GPU编程的探索与实践

1. 进一步探索

除了常见的GPU编程场景，一些大众市场设备，如安卓平板电脑和手机，也具备使用OpenCL语言进行编程的可编程GPU。以下是一些相关资源：
- 从Google Play下载OpenCL - Z和OpenCL - X基准测试应用程序，以确定设备是否支持OpenCL，硬件供应商也可能提供相应驱动。
- Compubench（https://compubench.com）提供了一些使用OpenCL或CUDA的移动设备的性能测试结果。
- Intel在https://software.intel.com/en - us/android/articles/opencl - basic - sample - for - android - os 上有关于安卓系统OpenCL编程的优质内容。

近年来，GPU的硬件和软件对其他编程模型的支持有所增加，如基于任务的方法和图算法。这些替代编程模型在并行编程领域一直备受关注，但在效率和扩展性方面存在挑战。一些关键应用，如稀疏矩阵求解器，若这些领域没有进一步发展，很难实现。根本问题在于能否充分暴露并行性，以利用GPU的大规模并行架构，这还有待时间验证。

2. 额外阅读资源

• NVIDIA长期支持GPU编程研究，CUDA C编程和最佳实践指南（https://docs.nvidia.com/cuda）值得一读。
• GPU Gems系列（https://developer.nvidia.com/gpugems）虽然是较旧的论文集，但仍包含许多相关材料。
• AMD在其GPUOpen网站（https://gpuop