opengpu
http://www.opengpu.org/forum.php?mod=viewthread&tid=968
1. 利用图形API 和CUDA进行GPU通用计算的性能区别？
GPU的指令和CPU指令的最大区别？
你怎么样知道是否达到了GPU的理论加速倍数？怎么计算？
GPU架构的缺点？如果让你设计，你会怎么改进？
GPU有通过成千上万线程来隐藏访问延迟，CPU也有隐藏访问延迟的优化，最大的区别是什么？
1.利用图形API需要把问题转化为图形学的变化，需要懂得图形学的定义，比较麻烦，需要理解Cg,HLSL这样的图新编程语言，比较麻烦；而CUDA是C语言的扩展，比较适合做通用计算，不需要把问题转化为图形学的问题。
- CPU需要运行OS，不但要处理中断，还要负责存储器空间分配与回收。为了OS的安全起见，都要专用的Kernel Mode以及Privilege Register的支持，所以CPU指令有很多都是操作特权寄存器。GPU目前还做不到这一点。未来的LRB也许可以。
3.通过计算算法复杂度，可以得到理论的复杂度，然后根据warp的active情况，可以计算出来，一次启动的warp有多少个，然后可以得到这个并行算法在实际的GPU上的运算时间多少。就是计算并行算法复杂度，然后“计算器”的个数~这里需要转化为gpu的core，但是这里不能简单的转化，如果再考虑一下每一条指令的执行的cycle的情况，和内存延迟的情况，那就更麻烦了……，其实计算也挺麻烦的……我怀疑问问题的这个兄弟，能计算出来不：）你可以问他一下，内存加载的时候的计算周期是都少，这里其实还有硬件加速的情况~如果只有一个线程，也会有合并访问~
4.GPU的缺点，a.精度问题，b.编程模式不太灵活，优化需要对硬件深入了解，c.内存访问模型不太灵活；改进，1.增加内存访问的灵活性，2.弱化编程模型，使得优化不再那么麻烦；
5.CPU的线程切换开销是昂贵的，一般都是需要1000cycle而gpu的线程切换只有1个cycle，而在CPU上能同时active的线程数量是有限的core的个数，和GPU不是一个量级的；
两者隐藏延迟技术的区别。从架构角度来看，CPU依靠Cache和Speculative Ex/Ld来隐藏延迟，而GPU是依靠TLP和Prefetch来隐藏延迟。(线程级并行、预读取)
