谈CUDA和OpenCL的差异和发展前景
作者：赵铠楠
来源：《科技经济市场》2015年第12期
        摘 要：CUDA是一种由NVIDIA推出的并行计算架构，非常适合大规模数据密集型计算。CUDA使GPU的超高计算性能在数据处理和并行计算等通用计算领域发挥优势，本文讨论了CUDA的计算架构和基于GPU的CUDA C编程语言，CUDA使GPU流处理器阵列的性能得到充分发挥。极大地提高了并行计算程序的效率。
        关键词：OpenCL；CUDA
        从很多方面来看，CUDA和OpenCL的关系都和DirectX与OpenGL的关系很相像。如同DirectX和OpenGL一样，CUDA和OpenCL中，前者是配备完整工具包、针对单一供应商（NVIDIA）的成熟的开发平台，后者是一个开放的标准。
        虽然两者抱着相同的目标：通用并行计算。但是CUDA仅仅能够在NVIDIA的GPU硬件上运行，而OpenCL的目标是面向任何一种Massively Parallel Processor，期望能够对不同种类的硬件给出一个相同的编程模型。由于这一根本区别，二者在很多方面都存在不同：
        1 开发者友好程度。
        CUDA在这方面显然受更多开发者青睐。原因在于其统一的开发套件（CUDAToolkit， NVIDIA GPU Computing SDK以及NSight等等）、非常丰富的库（cuFFT，cuBLAS， cuSPARSE， cuRAND， NPP， Thrust）以及NVCC（NVIDIA最有前途的编程语言的CUDA编译器）所具备的PTX（一种SSA中间表示，为不同的NVIDIA GPU设备提供一套统一的静态ISA）代码生成、离线编译等更成熟的编译器特性。相比之下，使用OpenCL进行开发，只有AMD对OpenCL的驱动相对成熟。
        2 跨平台性和通用性。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。