GPU编程自学10——流并行

传统的中央处理器（CPU，CentralProcessingUnit)内部结构异常复杂，主要是因为其需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。为了提高计算能力，CPU通常会采取提高时钟频率或增加处理器核数量的策略。为了进一步获得更高效的计算，图形处理器（GPU,GraphicsProcessingUnit）应运而生。GPU可以在无需中断的纯净环境下处理类型高度统一的、相互无依赖的大规模数据。如下图所示：GPU的高效在于可以高度并行处理。以两个向量相加为例，CPU可能采取循环处理，每个循环对一个分量做加法。GPU则可以开多个线程，每个线程同时对