GPU vs CPU性能神话：多核处理器与GPU并行计算实测对比

本文档《Debunking the 100X GPU vs CPU Myth - An Evaluation of Throughput Computing on CPU and GPU》主要探讨了在当前计算机科学领域中，关于GPU（图形处理器）与CPU（中央处理器）性能对比的常见误解，特别是针对大量数据处理（即“throughput computing”）时的性能差距。文章由Victor W. Lee等人，来自Intel Corporation的Throughput Computing Lab和Intel Architecture Group，共同完成。 近年来，随着科技的发展，产生的数据量急剧增长，对数据处理能力提出了新的挑战。传统上，GPU因其并行计算能力被广泛认为在执行特定的并行密集型任务时能提供显著的性能提升，尤其是在某些基准测试中声称速度提升可达到10到1000倍。然而，这篇文章的目标是质疑这种100X性能优势的普遍观点，并进行深入的性能分析。 作者们通过细致的研究一组关键的并行计算内核，发现这些内核实际上包含大量的并行性，这意味着它们不仅适用于现代多核CPU，也适用于GPU。他们发现，尽管GPU在某些特定场景下可能表现出色，但在经过严格的性能评估后，这些声称的巨大性能差距并非总是成立。文章指出，性能差异可能源于多种因素，包括硬件特性、编程模型、优化程度以及应用的特定要求。 作者们的工作旨在揭示在实际应用中，CPU和GPU之间的性能差距并不总是像传闻中那样悬殊，特别是当考虑到了软件优化和硬件特性之间的平衡时。他们提倡更全面的评估，以便更好地理解不同平台在处理不同类型工作负载时的相对性能。这篇论文对于理解现代计算环境中CPU和GPU的适配策略，以及如何最大化两者在大规模数据处理中的协同效应具有重要意义，挑战了关于GPU性能优越性的普遍共识。