使用 OpenCL 顯卡解除安裝 Quant Finance 計算，我應該尋找哪些功能？
我正在對一些軟體進行基準測試，並且正在尋找更擅長並行乘法與並行加法的卡。
- 是否有任何先前的工作可能包含此資訊？
- 我應該尋找哪些 GPU 功能？
顯然，這取決於您的應用程序。如果您打算在單台機器上執行 Matlab 或 Python，並且您正在考慮購買哪種顯卡，那麼乘法與加法應該無關緊要。
在這種情況下，我會推薦具有CUDA功能的 Nvidia 卡。對於 CUDA，有很多可用的庫可以很容易地調整現有程式碼以在 GPU 上執行。當然，無論您的卡需要什麼，您都可以使用 SLI 添加更多 GPU 以獲得更高性能。
Mathworks 有一個很好的概述，可以幫助您入門。對於 Python，有PyCUDA，但我對此的經驗非常有限。對於 Java 和 C++，也有一些選項，但我從未使用過這些選項。
所有這一切的缺點是您的程式碼的可移植性較差，因為您需要使用 gpuArrays（在 Matlab 中），因此如果沒有 CUDA-Configuration 的人嘗試執行程式碼，它將失敗。我還沒有找到解決這個問題的優雅方法（！=我的老闆坐在我的辦公桌前……）
我已經涉獵了一點。OpenCL 設備應該可以正常工作 - 即使您使用 NVidia。實際上，我將所有三個供應商都放在一台機器上進行測試，配備 NVidia、AMD 和 Intel GPU。對於像 Quant 這樣的基本並行向量數學，它們都很好。不同之處在於受支持的 OpenCL 版本。
NVidia 製造了一些最好的設備，但他們顯然不太關心 OpenCL，因為他們有 CUDA，所以他們通常只支持 OpenCL v1.2。
AMD 和 Intel 在 OpenCL v2.0+ 方面表現出色，Intel 很快就會發布對 v3.0 的支持。如果您只是想學習，即使是內置的英特爾 GPU 也能很好地做到這一點。
也就是說，對於大規模的基本算術，它們中的任何一個通常都適用於整數和 16/32/64 位浮點算術。您還可以使用 OpenCL 加速數據集的最小/最大操作。只需查看那裡的經典 SAXPY 範例核心即可。我認為您不需要比在所有最常見的 GPU 上執行的 OpenCL v1.2 更新的任何東西。我經常在所有三個上執行相同的程式碼來測試兼容性。
從此處的 SAXPY 範例開始：https ://anteru.net/blog/2012/getting-started-with-opencl-part-2/
我在這裡寫我自己的版本：https ://medium.com/hashicorp-engineering/all-things-gpu-part-2-4ac1c30a20ed
希望這可以幫助某人。