图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。
十二月特惠活动：
Xeon双路, 8核32G内存, 240G SSD固态硬盘 ,20M BGP带宽 月租299元
Xeon双路, 8核32G内存, 240G SSD固态硬盘 ,100M BGP带宽 ,显卡免费加装，月租899元
规格 带宽 线路 IP数量 运维无忧 价格
42U 50M独享DGP多线 独立16个 提供7*24小时运维 3333元／月
GPU套餐价格
套餐一、Xeon L5630 双路, 16G内存, 120GBG高性能SSD固态硬盘 ,NV GT730，2G显存(GDDR5)，10M独享 ,独立IP , 提供5G免费DDoS攻击防护，月租499元
套餐二、Xeon L5630 双路, 32G内存, 240GBG高性能SSD固态硬盘 ,NV GT730，2G显存(GDDR5)，10M独享 ,独立IP , 提供5G免费DDoS攻击防护，月租599元
套餐三、Xeon L5630 双路, 32G内存, 240GBG高性能SSD固态硬盘 ,AMD R7 350，4G显存(GDDR5)，10M独享 ,独立IP , 提供5G免费DDoS攻击防护，月租699元
联系人：徐睿 联系方式：17537122095 QQ：177679879 微信：13629897906邮箱：669012669@qq.com 公司网站：www.tttidc.com 公司地址：郑州市金水区花园路居易摩根中心2704
GPU发展和现状
1. GPU原来就是为了加速3D渲染的，后来被拿过来做计算。
2. 现在GPU可以支持通用的指令，可以用传统的C和C++，还有Fortran来编程。
3. 现在单个高端GPU的性能已经达到了传统多核CPU集群的性能
4. 有的应用通过GPU加速相比传统的多核CPU来说可以达到100X的加速。对某些特定应用来说GPU还是更适合的。
GPU编程模型
1. 在GPU中，工作的分配是通过在调度空间上并行地应用或者映射一个函数（或者叫做kernel）。举例来说，一个矩阵中的每一个点就是调度空间。
2. kernel就是描述在一个线程在调度空间中的每一个点要完成的工作。在调度空间中，每一个点都要启动一个线程。
3. 由于GPU是在单个PCI-e卡上的协处理器，数据必须通过显式地从系统内存拷贝到GPU板上内存。
4. GPU是以SIMD的多个group的形式组织的。在每一个SIMD的group（或者叫warp，在NIVIDA CUDA编程中为32个线程）中，所有的线程在lockstep中执行相同的指令。这样的在lockstep中执行相同指令的多个线程就叫做warp，虽然分支是被允许的，但是如果同一个warp中的线程出现不同的执行路径，会带来一些性能开销。
4. 对于memory-bound的应用来说，可能的话，同一个warp中的所有线程应当访问相邻的数据元素，同一个warp中相邻的线程应当访问相邻的数据元素。这可能要对数据布局和数据访问模式进行重新安排。
5. GPU有多个内存空间可用于开发数据访问模式。除了golbal memory以外，还有constant memory（read-only， cached），，texture memory（read-only， cached， optimized for neighboring regions of an array）和per-block shared memory（a fast memory space within each warp processor， managed explicitly by the programmer）。
6. GPU编程有两个主要平台，一个是OpenCL，一个编程方式类似OpenGL的产业标准，还有另一个是为了C/C++ Fortran的CUDA，在NVIDIA的GPU上编程。
7. OpenCL/CUDA编译器并不是把C代码转换成CUDA代码，编程人员最主要的工作还是选择算法和数据结构。例如在GPU上，基数排序和归并排序要比堆排序和快速排序好。Some programming effort is also required to write the necessary CUDA kernel（s） as well as to add code to transfer data to the GPU，launch the kernel（s）， and then read back the results from the GPU.
什么应用适合GPU
1. 内核中有豪多并行线程的应用
2. 对于线程间的数据交换都发生在kernel调度空间中的相邻线程之间的应用，因为这样就可以用到per-block shared memory.
3. 数据并行的应用，多个线程做相似工作，循环是数据并行的主要来源。
4. 那些能得到很好的天然硬件支持的应用，如倒数和反平方根，不过在编程中要打开“fastmath”选项，确保使用硬件支持功能。
5. 需要对每个数据元素做大量的计算，或者能够充分利用宽内存接口。 联系我时，请说是在114黄页信息网看到的，谢谢！
【重要提醒】 转发本信息给好友或分享到朋友圈，被转发超过20次，信息将自动置顶一周！
