我開發了一個簡單的函數，用於使用CUDA C++水平或垂直鏡像圖像。是不是完全優化了NPP功能？
然後我才知道NVIDIA Performance Primitives Library還提供了映像鏡像功能。
只是爲了比較的緣故，我對核電站的功能進行了計時。令人驚訝的是，我的功能表現優於（雖然略微有點小，但仍然......）。
我通過使用Windows計時器以及CUDA計時器多次確認了結果。
我的問題是：是不是針對NVIDIA GPU完全優化的NPP功能？
我正在使用CUDA 5.0，GeForce GTX460M（Compute 2.1）和Windows 8進行開發。
我可能無法發佈此答案。 :)
NVIDIA不斷努力改進我們所有的CUDA庫。核電廠是一個特別大的圖書館，擁有4000多項功能。我們有一個切實可行的目標，即爲圖書館提供超過CPU等同的有用加速，這些都在我們的所有GPU和支持的操作系統上進行了測試，並得到了積極改進和維護。有問題的功能（鏡像）是我們將在未來版本中改進的已知性能問題。如果您需要優化某個特定功能，那麼將其優先化的最佳方式是使用NVIDIA CUDA registered developers可用的缺陷提交表單提交RFE錯誤（請求增強）。
順便說一句，我不認爲任何圖書館都可以「完全優化」。隨着大型圖書館在龐大而不斷增長的硬件基礎上得到支持，優化它的工作從未完成！ :)
我們鼓勵人們繼續嘗試超越NVIDIA®（英偉達™）圖書館，因爲總體而言，它促進了最先進的技術並惠及計算生態系統。
作爲一邊......它可能是安全的說如果有足夠的時間和精力，通常可以在原始性能方面打敗圖書館的功能。圖書館通常會做出更少的假設，以便更廣泛地應用。當你推出自己的產品時，你可以根據自己的情況使用所有的假設來加快速度。想到的一個例子（不是GPGPU，但可能適用相同的想法）正在分揀。如果您對數據有很多瞭解並且願意將這些假設融入代碼中，那麼擊敗標準的排序方法並不難。 – Patrick87
以百分比表示的區別是什麼？鏡像操作將受到內存綁定的限制，新設備可靈活處理哪些類型的內存訪問模式可以高效處理。天真的實現可能接近最佳設備。也許NPP版本適用於較舊的設備。您可以從分析器獲取內核的內存帶寬統計信息，並將它們與設備的最大值進行比較。 –
我測試了4種類型的圖像和2種不同的尺寸。 8位，16位，1通道，3通道，（1280 x 720），（1920 x 1080）。我獲得了16位單通道圖像（1280 x 720）的最大加速比，比NPP快了18.75％。 – sgarizvi
你說得對，核電廠的表現欠佳。我已經找到了更好的庫來進行CUDA圖像處理。我個人喜歡ArrayFire的圖像處理選擇，並發現它很快，其他人報告使用OpenCV的GPU功能，雖然我沒有聽說過很棒的東西關於那個。在巴基斯坦Tunacode也有一些東西。 –