我有一个算法，仅使用CPU即可并行执行，并且实现了30倍的加速。也就是说，效率等于0.93（效率=加速/核心，即0.93 = 30/32）。后来我将2个GPU（每个448个内核的Tesla C2075）一起添加到32个CPU内核中。要计算包括CPU和GPU在内的效率，是否应将GPU内核数量添加到CPU内核中？也就是说，我将使用928个内核（32 + 448 + 448 = 928）来计算效率。还是应该以不同的方式计算？
根据此处所说的内容计算出加速和效率：https://software.intel.com/en-us/articles/predicting-and-measuring-parallel-performance
GPU具有更大的称为“ SM”或“ CU”的“核心复杂”体系结构，每个体系结构都有数十个管道。它们与CPU的“ SIMD”不太“相似”，它们可以在“单线程”内核代码中并行于这些管道发出命令。
[您已经计算了CPU中的“内核”，而不是SIMD管道（这是内核数的4至16倍），因此，计算Nvidia的SM单元或Amd的CU或Intel的Slice子集是没有错的。
Tesla C2075具有14个SM单元，因此您可以为每个GPU添加14个（32 + 14 + 14）。
[如果您还对CPU使用SIMDified代码，那么计数GPU / SM / CU数量的32到192倍（例如您的每个GPU的448）的GPU的每个流水线就没错了（32*SIMD_WIDTH + 448 + 448 ）。
至少这是我计算“核心效率”和“管道效率”的方式。如果与GPU之间的数据传输不是瓶颈，那么添加GPU后效率不应降低太多。