3、異構計算的典型應用
異構計算并不神秘，目前已滲透各個領域，不僅是PC領域，也包括了手持移動設備領域、行業領域，甚至是云計算、分布式計算領域。事實上，異構計算至少在應用端（前臺）并不像它的名字這樣生澀，很多應用里面，都有異構計算的身影。小到網頁及視頻加速，大到DNA計算、蛋白質計算、氣象運算，都能和異構計算搭上關系。但都有一定的限制，如_global_函數類型限定符用于聲明內核函數，只能在設備上執行，從主機調用。

3.1 AMD視頻穩定技術
視頻是和大家息息相關高頻應用。而AMD、英特爾和NVIDIA在視頻領域都有GPU加速/解碼/轉碼技術——這一點大家都知道了。但還有些技術可能大家還不了解，比如圖像穩定技術。

我們時常遇到抖動的視頻，這種抖動可能源于拍攝者的手不穩，也可能是因為長焦拍攝。無論如何，AMD通過異構計算拿出了解決方案：2011年中，AMD 宣布了“Steady Video”技術，可以實時對抖動畫面進行穩定化處理。不過由于缺乏播放軟件的支持，該技術一直是“只聞其聲，不見其形”，真正的應用并不多。而在AFDS 2012上，這一技術的升級版再度出擊——與去年不同的是，如今，你使用APU平臺筆記本，抑或是使用帶有AMD獨顯，就能實實在在地感受到這一技術帶來的良好特性。

Steady Video是一個很典型的異構計算應用，因為它并非完全采用GPU而解放CPU資源，而是將實時的視頻圖像處理任務進行了智能分工，分別交給CPU 和GPU共同完成。

3.2 人臉識別
人臉識別是生物識別這個大范疇中的一類，目前廣泛地運用在日常的娛樂生活中，相機拍照、攝像頭人臉識別登錄，甚至是目前很火的攝像頭動作感應游戲，都是基于人臉識別系統的。那么，人臉識別怎么會和異構計算扯上關系的呢？

人臉識別系統后臺有面部模型，而其識別工作方式可能是這樣的（不同軟件會有區別）：先把畫面分成若干區域，大家可理解為一個區域對應一個識別框。然后，針對識別框進行識別和判定。每個識別框不是完全獨立的，而是有大量重復區域。也就是說，整個畫面會被分成海量的區域（識別框）。工作量如此大的“重復簡單勞動”，讓CPU來運算就很頭疼了——因為它得一個一個地（特指單核CPU）比對、判定，就像跑馬拉松；而GPU的核非常多，可同時對多個識別框進行比對和判定，效率大大提升。

或許有人會說：CPU速度快，可以彌補數量的不足。但人臉識別絕非圖示那么簡單。舉例來說，如果識別框的大小設定不對（如下圖），就無法正常識別到人臉。那么在完成一次全畫面識別后，需讓識別框變大點再從頭開始——這樣看來，就是恐怖的工作量了。一張1920×1080分辨率的靜態圖片若經多次識別框大小調整并最終找到人臉，識別（框）總量大概為4百萬個！如果是動態視頻（等同于人臉跟蹤），每秒的運算量還要翻幾十倍！很顯然，這類工作是GPU的專長。同時，GPU還會引入新的算法，會將畫面先分為若干獨立區域，利用面部模型先排除掉完全無人臉特征的區域，然后對剩下的區域進行并行計算（識別），效率可大幅提升。

3.3星云計算
星云計算，這個詞對于咱普通人可能覺得有些陌生，只知道通過各種太空望遠鏡和衛星拍攝的星云圖、星系圖好漂亮！不過宇宙中有數不清的星星，一個星系可能就有上萬億顆星星（銀河系有400億顆），而目前探知的星系就有1250億個……

如果天文學家要演示和模擬星球的運行和分布，將一個星系圖線性放大到星球圖，會是多大的工作量呢!？很顯然，內核不多的CPU干這個活兒是難以想象的。擁有上千流處理器的GPU干起來效率就高多了。通過GPU的加速，可以實現多至數百萬個運算星體的的處理工作，圖像縮放時可達60幀/秒，觀看者完全感覺不到停頓。

當然，如果純粹是GPU運算,CPU就閑著了，所以，如果能夠動態結合CPU 極高的頻率和GPU的并行運算能力，效率就能得到最大的提升。在這個應用中，節能不是第一要素，而是在固定的投入下發揮出最大工作效率，這也是異構計算的目的之一。

————————————————

? ? ? ? ? ? ? ? ? ? ? ? ? ? 版權聲明：本文為博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。
? ? ? ? ? ? ? ? ? ? ? ??
原文鏈接：https://blog.csdn.net/Pieces_thinking/article/details/122264574