基于GPU的技术分析及应用实例大全，包括程序、平台等

GPU是显示卡的"心脏"，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。

现代显卡GPU　pixel shader小程序合集
Pixel Shader是现代显卡GPU的编程语言，可以用于对屏幕输出图像里的每个象素点进行精确的色彩调整。大型三维游戏里面大量采用了Pixel Shader和它的伙伴，Vertex Shader,用于控制各种复杂的场景。

基于GPU的数字图像并行处理研究
本文对GPU的并行性和数字图像处理算法的并行层次进行了简要的介绍，提出了像素级图像处理的GPU并行化实现方法，并对其基本流程和关键技术：数据的加载，计算结果的反馈与保存等问题进行了详细论述，最后通过图像的平滑和锐化的卷积运算证明了GPU在数字图像并行化处理方面的强大优势。

医疗电子平台选择:FPGA、ARM、X86、DSP还是GPU分析

雷达信号处理：FPGA还是GPU?
本文对比了FPGA和GPU浮点性能和设计流程。最近几年，GPU已经不仅能完成图形处理功能，而且成为强大的浮点处理平台，被称之为GP-GPU，具有很高的峰值FLOP指标。FPGA传统上用于定点数字信号处理器（DSP），而现在足以竞争完成浮点处理功能，也成为后端雷达处理加速功能的有力竞争者。

使用PowerVR SGX GPU实现类似Instagram的计算摄影
成像一直以来是CPU的主任务，对于静止图像和小格式视频来说CPU处理得很好，但随着HD高清标准和4K的来临，在CPU上运行应用程序严重受制于其软件的热封装属性--如果只是增加多个内核，以高频运行，会造成晶体管过热并关机则并不可行。这个问题亟待解决。

谈GPU的作用、原理及与CPU、DSP的区别
当程序员为CPU编写程序时，他们倾向于利用复杂的逻辑结构优化算法从而减少计算任务的运行时间，即Latency.当程序员为GPU编写程序时，则利用其处理海量数据的优势，通过提高总的数据吞吐量（Throughput）来掩盖Lantency.目前，CPU和GPU的区别正在逐渐缩小，因为GPU也在处理不规则任务和线程间通信方面有了长足的进步。

全新PGI 9.0编译器简化x64+GPU编程
本文介绍PGI 加速器Fortran和C编译器能够自动分析整个程序结构和数据，在多核x64位CPU和图形处理器之间分配用户指令规定的应用程序代码，定义并生成一个能够自动使用并行内核、硬件线程功能和现代图形处理器的SIMD矢量功能的回路映射。

GPU-前途无限光明
CPU本质上是一个标量计算模型，计算单元偏少，主要针对复杂控制和低延迟而非高带宽优化。正是因为这些优势，使得GPU比CPU更适用于流处理计算。