醫學成像應用的瓶頸算法是什麼？

Question

什麼是醫學成像應用的計算瓶頸算法？我們試圖找出在常規雲服務器實例或GPU加速服務器實例上運行這些算法是否有好處。

Answer 1

除非軟件是專門針對GPU處理能力設計的，否則GPU加速實例與普通商品服務器實例的性能大致相同，只是價格較高。

我願意賭博，並說任何算法，醫療與否，成像與否的瓶頸是你可以在CPU上扔數據的速度，核心數量和時鐘頻率。

獲得一些快速的CPU，瘋狂的快速RAM，盲目快速的條紋/鏡像存儲，並這樣做。

我懷疑你可能會發現在「雲」上運行實際上是違反直覺的，或者至少會適得其反，因爲許多雲服務提供商不會調整其存儲後端以滿足高性能計算的需求，但更多的是爲大衆提供一點IO。

我認爲你擁有專用硬件會更好，這樣，你可以花更多的時間和金錢來有效地調整硬件堆棧以匹配你的軟件堆棧。任何雲服務提供商（包括亞馬遜）都會給你一些權衡和妥協。

哦，別忘了不要把所有的eggs in one basket.亞馬遜下線時會發生什麼，沒有人可以檢查任何X-Rays，或者是在Amazon Cloud實例上放置heart monitoring application的可憐schmuck，而且亞馬遜離線在一個巨大的停電。

除了雲託管的妥協，冗餘和恢復供應商中斷的問題，不把重要的基礎設施放在雲上，還有其他問題圍繞着你的應用程序本身的架構。它是否會線性擴展？

我敢打賭，它不會。