返回主题:加速原理与可加速比例

知识卡片

普通读书笔记卡 · 2332.c

通用平台挤压加速器

理解等级:未标注

定制加速器的比较对象也在演进:CPU可加入专用扩展指令,GPU可通过运行时、库与工具改善某类负载。评估定制硬件时,除当前核心吞吐外,还要考虑数据交互、开发成本、规模和可替代平台,不能把CPU/GPU当作性能不变的基线。原书没有提供“几年必追上”的预测模型,不据此猜固定投资回收期。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 算法加速和任务卸载 · 查看原书依据

      这些CPU、GPU平台上的优势都不同程度地对定制算法加速(包括FPGA实现和ASIC实现)的应用范围形成了挤压。 算法加速还需要考虑数据交互的开销。算法加速与其他软件或硬件的I/O数据交互需要一定的代价(如数据传输延迟),这部分代价会降低算法加速的整体性能。算法加速要考虑到算法加速器的I/

    参考来源

    - 位置:《软硬件融合 (黄朝波 著)》第5章《算法加速和任务卸载》(来源项目book-sources;源文件:extracted/软硬件融合 (黄朝波 著)/_epub-src/OEBPS/Text/chapter012.xhtml) - 结论依据:该项对“定制加速器的比较对象也在演进:CPU可加入专用扩展指令,GPU可通过运行时、库与工具改善某类负载”给出定义、对比、案例或条件;保留论证范围,不将启发式当无条件定律。 - 原始内容:这些CPU、GPU平台上的优势都不同程度地对定制算法加速(包括FPGA实现和ASIC实现)的应用范围形成了挤压。 算法加速还需要考虑数据交互的开销。算法加速与其他软件或硬件的I/O数据交互需要一定的代价(如数据传输延迟),这部分代价会降低算法加速的整体性能。算法加速要考虑到算法加速器的I/