加速算法：当并行计算和GPU时，不会加速
Michael Weidman，量化支持服务金宝app
Aly Kassam，定量支持服务金宝app
我们大多数人都有多个核心以及我们的台式计算机中的图形处理单元（GPU），栅格和云随时可用于ARM的长度。虽然流行的炒作声称，使用这些资源很容易，以便在实际上没有成本和努力，促进数值计算的大规模加速，但现实当然有些不同。在此演示文稿中，Aly和Michael使用MATLAB估值和反向来看，以查看可通过CPU，GPU和基于服务器的解决方案加速的计算类型，并且他们建议一个常识框架来帮助回答问题：金宝搏官方网站
- 去GPU或群集有意义吗？
- 在您的程序和工作流程中制作什么变化是什么合理或不合理的？
- 加速的成本和风险是多少，我们如何减轻它们？
相关视频和网络研讨会
您还可以从以下列表中选择一个网站：