主题：【原创】GPU作超级计算，有那么美好吗? -- Highway
不过LZ定义的const变量在代码中都没有声明啊~~~~~~
const int NSET =100000000;
Int64 i;
double x, y;
double num_inside, distance_from_zero;
double Pi;
Random r = new Random();
num_inside = 0.0f;
for(i = 0; i < NSET; ++i)
{
//Console.WriteLine(i);
x = r.NextDouble();
y = r.NextDouble();
distance_from_zero = Math.Sqrt(x*x + y*y);
if (distance_from_zero <= 1.0)
{
num_inside++;
}
}
Pi = 4.0*(num_inside/NSET);
Console.WriteLine(Pi);
三维场景渲染 动画输出
看了看Nvidia给的那个Performance的图，琢磨着什么样的专门计算能用的上GPU，为什么Finance和Biology上的Gain出奇得高呢？他们做什么运算呢？大概顺着想下去，真能发现个有意思的应用和市场。
花上先
火箭再胜了，就到体育版侃侃姚明。
不然就是初中的。。。
比如什么花根线丢针之类。。。不少。。。
蒙特卡罗方法。用随机数计算，特点是方法简单，缺点是收敛速度慢。要达到相同的精度，用蒙特卡罗方法计算要多化上许多时间，所以如果有其它方法可用，是不会用蒙特卡罗方法的。
似乎GPU的指令是SIMD模式，象MMX类的指令。
赌徒用实践来检验真理的算法
最简单的，你可以试试矩阵乘法（向量化）的性能，乘法规模10240*10240。
给定市场上目前主流配置的CPU和GPU，我做过测试，结论有两条：
（1）非向量化指令下CPU的矩阵乘法一般比向量化指令下的CPU矩阵乘法慢10-200倍（Intel SSEx系列向量化指令，双核Intel P8600，4G DDRII DUAL Channel）。上述规模乘法，前者约4小时（约240分钟）占用2G内存，后者6分钟（5分钟54秒）占用同样内存。
（2）GPU向量化并行计算还比CPU向量化快2-20倍（NVIDIA CUDA, Quadro NVS 160M 512MB）。上述规模乘法，约1分钟（53秒，考虑到数据的预先交换和初始化，真正计算时间只是这个时间的一部分），有显存存在，不过还是占了2G内存。
我的系统平台是Ubuntu GNU/Linxu AMD 64
一般情况下，GPU矩阵乘法性能比CPU快几十到上百倍。更况且上面我的机器还都不太强。这对于科学计算的意义是巨大的，对于工程应用和控制来说可能就不太有什么意义了。毕竟，天河一号是AMD/ATI堆砌起来的嘛。
显卡不是处理视频的，是用来绘制图形的。视频是连续的图像帧，多用CPU处理，有时会进行GPU的向量化加速，但用的只是GPU很小很小的一部分能力。
声卡和数据处理基本没什么关系，它的作用只是一个转换，将数字形式的音频数据转换为模拟或其他形式，这一点处理器替代不了（因为处理器只能在数字形式之内做）。
CPU的强项是逻辑处理、分支处理和单指令线性处理，GPU的强项是大量数据的向量化处理，两者目前的技术上来看是一种矛盾，任何芯片如果逻辑和分支较强，向量化处理就必然较弱，反之亦然，无法太好的集成。
所谓芯片合一趋势的看法，我个人认为，欠缺对实际的了解。
CPU线性处理、分支处理和逻辑处理比GPU快，但GPU向量化处理比CPU快的多的多。向量化的特点，是一次给处理芯片大量的数据进行处理，SIMD。
Wikipedia上的一个级数，收敛精度比是线性的，去年用pThread+GnuMP写的程序在6s之内开16个线程算9000位的pi只要5s。不过这个级数的并行化是需要狠狠动脑子的：
pi is sum of 2*k!/(2*k+1)!!, k is integer from 0 to n