GPU计算资源

    现在，互联网时代已经来临，编码设计者也都告别了闭门造车的时代，GPU领域也一样。现在你可以在互联网上找到很多GPU网站，有大量的报告、工具等等资源。通过这些网站，编码程序员可以直接深入了解GPU最近的发展，寻找有用的工具，通过网络，程序员可以直接得到关于GPU的一切。如果你决定编写一些代码，那么你将可以轻松的得到相关的指南，也可以很容易的在GPU论坛里与他人交流。

    你还可以得到更多的资源，其中一些资源的细节恐怕只适用于显卡生产商，不过这些资源还都是免费的。目前最大的CUDA资源库是CUDA Zone，其中有链接、文档、SDK等等。

    ATI也有GPU程序信息网站，其中有一个关于流计算的网页，让我们知道ATI在流计算方面的成果。ATI还有一个网站，专门描述当前的流计算处理器—— AMD流处理器。你也可以从ATI网站中找到CTM (Close to Metal，一个GPU硬件层上的接口)。尽管这不是一个编译器，它还是可以允许其他开发者连接别的工具到ATI GPU，或是开发其他全新的工具。

    在GPU领域，还有一个新公司，叫做RapidMind。该公司开发的技术，可以运行在普通的C++环境(编译器complier和集成电路IDE) ，IDE被嵌入到了应用，并且管理大量的并行计算。RapidMind的运行步骤如下：

1：将数据类型转换成RapidMind的数据类型（整数和浮点）。
2：获得计算（当编码运行的时候，RapidMind可以获取编码中的操作，动态的汇聚到程序中）
3：流执行Stream Execution。（RapidMind的运行时间run-time管理着GPU的目标）

    RapidMind也有一些案例，说明了GPU+RapidMind的高效，性能可以达到CPU的数倍。说到案例，下面，我们就具体来研究几个GPU案例。
 

成功案例

    GPU计算有一些成功的案例。其中一个叫做Folding at Home。Folding at Home是一个研究性应用，志愿者可以下载，以帮助科学家来改进蛋白质问题的研究。2006年9月26日，ATI将Folding at Home装入GPU中。ATI声称，ATI X1900 显卡可以得到20倍到40倍于CPU的性能。ATI表示，以往3年工作量才能解决的问题，采用了ATI显卡之后，可以在一个月内完成。

    另一个成功案例，是马萨诸塞州通用医院。在医院里，X光通过称作数码Tomosynthesis的进程，生成实时影像。过去，医院采用35节点的集群来计算任务。而采用了NVIDIA G80 GPU，医院获得了100倍于CPU的性能。这意味着，同样的工作可以交给工作站来处理，而不再是体积臃肿的集群。其实，这样的例子还有很多，也足见GPU的高速发展。