gpu和mic是目前兩個流行的異構計算平台，二者在市場上的地位類似。如果當下有乙個fortran程式，是該選擇移植到gpu上還是mic上呢？
個人推薦：gpu要優於mic。
首先，我們來看下gpu和mic的單機linpack結果：
儲存到相簿
linpack of gpu and mic
2016-12-19 15:35 上傳
該測試的gpu為k40m,mic為31s1p（天河2號專用卡）
從這個測試結果上看，mic的linpack測試效能似乎略勝於gpu。
其次，從編譯器的軟體環境來看，cuda fortran的編譯器為pgi，mic的編譯器為intel fortran，兩款編譯器對於fortran語言標準的支援有細微差別，
從移植的角度來說，如果原來的程式是用的intel的，移植選擇intel的編譯器可能要少些麻煩。除此以外，intel的編譯器是免費的，pgi是收費的，而且
費用還不低，如果單買pgi的fortran，需要5000rmb,同時購買pgi c和fortran，估計**約為1萬rmb。幸運的是，pgi推出了社群版本，可以免費試用1年。
從支援的庫來看，mic支援intel的mkl，而在gpu上的fortran庫只有cula，且cula目前停止更新。當然可以通過fortran呼叫c的方式來呼叫其他的c
版本的庫，前提是pgi最好連c版本一起買了。
從使用的難易程度來看，mic的介面很容易，形似openmp,fortran使用gpu的方式有兩種，一種cuda fortran,一種openacc。如果希望能深層次的
優化的話，cuda fortran更好一些。代價就是，增加了移植的難度。
從debug的角度來說，cuda有支援的圖形化介面nvvp和命令列nvprof，而對於mic來說，debug則顯得不方便，因為介面封裝的比較完美，底層不易觸及。
最後，我闡述下個人使用gpu和mic的感受，對於gpu來說，固然有編寫**和優化的難題，但是，其效果是明顯和可預期的，只要並行度高的程式總能
有加速比。而mic表面上使用簡單，但真到用起來了也是「誰用誰知道」，簡單概況有兩大坑：第一，介面的坑。明明乙個很簡單的類似openmp的介面語句，
就是給你報錯，報的莫名其妙，而且debug起來也是頭疼不已。第二，效能的坑。linpack測試的結果很喜人，實際用起來就不咋地，有時候不一定加速，甚至
減速也是有可能的。
總之，gpu目前來說更成熟更穩定，mic的發展要晚於gpu，缺陷較多。希望對疑惑於選擇gpu還是mic的同學們有些幫助。
原文發布時間為： 2016-12-19 16:07:45
該選國企，外企還是私企？
畢業後，我首先進的是一家電氣傳動行業內的知名國企，待了大概四年，期間可以說接觸到了很多專業內的知識和產品，從供配電，到電機傳動，到變頻器，感測器，plc，電源，單板，嵌入式等，因為性質決定了一般國企，合同明寫的工資待遇不是很高，同時關係比較複雜一些，子弟裙帶關係比較明顯，但是對於我們一般剛畢業的學生...
選特化還是過載
乙個函式模板即有特化版又有過載版，編譯器會選哪個？以下 來自 為什麼不要特化函式模版 的例3 1 include iostream 23 using namespace std 45 template class t 6void f t 710 11template 12void f int 131...
資料先傳入CPU還是GPU
前幾天開週會的時候，乙個小夥伴提到讀入資料，稱一般的做法是 先把dataset讀到cpu上，然後gpu唯讀每個batch的資料，這樣gpu就不會報記憶體不足了。我一聽，說的有道理啊，但是仔細一想我平時好像不是這樣做的。硬體條件不同造成的。小夥伴學校的硬體資源只擁有一塊gpu，所以他要保證不能因為他乙...