能力值：
( LV2，RANK：10 )
|
-
-
26 楼
GPU 仅仅是比 CPU 流管道多一点， 用来算 +1 的钥匙穷举 ，勉强凑活；
如果说它是未来穷举趋势，是不负责的， GPU和CPU用来穷举密码不过是 50步和100步的关系，根本没有任何实用价值，说白了也就是 一个业余的小玩具罢了，也就是用来提高点穷举的算法兴趣，根本是上不了台面的东西，哄着玩玩，属于早教用品。
还有上面列的论文也没有啥用，论文谁都可以写，得看 Impact Factor ！！ 这才是关键，看看有多少论文引用这个才能说明问题
|
能力值：
( LV4，RANK：50 )
|
-
-
28 楼
昨天的时候也和R版讨论是否用分布式的计算。
编一个用于分布式计算的客户端程序，一个主机程序。
程序功能：用分布式进行某些巨型运算（如RAR密码的穷举，因式分解）。
假如我有一个8位的RAR需要穷举，则按以下步骤：
1、写一个RAR穷举的子函数（用于主机程序调用）。
2、提交申请
3、如果申请通过，则主机接受新任务
4、客户端程序运行后查询主机是否有新任务，如果有则下载任务子函数运行
5、穷举完成或运算时间到，则结束任务
另外论坛会员有空的时候可以运行客户端程序，子任务完成后可以得到积分（因为并不占用CPU多少资源，初步估计应该容易被会员接受）。
论坛会员需要巨型运算时可以提交申请，根据他的积分决定是否同意及其最多可以得到多少运算时间。
分解因式现在一般用筛法，但通信量大效率也不高。曾试图通过辅助构造椭圆曲线等方法来减小筛法区间，但涉及的知识太繁琐以至没有什么进展（或许根本行不通）。
|
能力值：
( LV2，RANK：10 )
|
-
-
29 楼
这不闲的嘛kanxue提了个这想法我感觉也不错，翻了翻相关资料发现GPU作为并行运算确实比CPU好，上面用GPU高效、廉价的实现数字指纹我感觉也还可以。咱现在用的所谓计算机在以前看来，不也就是上不了台面的东西吗，早教？那时候早教谁用这东西-_-!
Impact Factor ！！！论文引用率这个概念是在有论文之后，经过实践确实可行才出来的，这需要点时间。
咱也不能一砖拍死呀...
我说趋势是GPU的应用（不仅仅用它来做所谓穷举），毕竟这东西近千大洋只能玩游戏，有点怠工给它找点事做也是应该的，比较符合企业节流的方案。
|
能力值：
![]()
(RANK：420 )
|
-
-
30 楼
最近很夯的 cloud computing (雲端計算) 如何?
|
能力值：
( LV2，RANK：10 )
|
-
-
31 楼
不愿跟你犟这些没有意义的， 但是你的理念是错误的你要认识到，GPU的运算能力几乎是个白痴，价格还贵， CPU和它比要强不值千倍，唯一不如他的地方就是并行流管道，也是就计算的同步处理流，GPU可以 有１０２４个甚至更高， CPU没有如此多的并行流管道，只有个位数的几个，这是GPU惟一的优点，这样的优点只能用于图片的数据流简单的XOR运算一类的简单运算，却需要 同步并行的数据， 穷举钥匙它很适合，但是它跟 专业的逻辑芯片比起来他就是个玩具， 1024个简直太少了， 现在一般的 逻辑芯片就是 500万门逻辑并行，还带有一个18X18专用乘法器 74880的逻辑单元， 成本上更是差的很多 ， GPU多少钱？我不是很有具体的数字，但是1024流管道的价格绝对超过2核CPU， 而逻辑芯片 120万门 只要7美元
跑并行逻辑运算的性能 GPU说它是入门玩具都是抬举它了
|
能力值：
( LV2，RANK：10 )
|
-
-
32 楼
GPU优于CPU的的并行计算能力，我不需要把它们系统的做比较去判断到底谁更优秀。
|
能力值：
( LV2，RANK：10 )
|
-
-
33 楼
问下版主、就GPU这块儿的研究有必要看下GPU gems这本书吗？
好像里面有其运用Brook对GPU的一些控制、
不知道我说的对不对、
希望版主给些指点、
|
能力值：
![]()
(RANK：420 )
|
-
-
34 楼
說實話，我對 GPU 沒研究。
如果 那本書對編程的人或是程序員有幫助的話，倒可以閱讀看看。
還有，密碼板上，今天及昨天我分別把平行計算(parallel comuting)或是分散式計算(distribution computing)應用在破解 RSA 等密碼系統上的文章，張貼上去了，有空可以撥時間看看。
謝謝。
|
能力值：
( LV2，RANK：10 )
|
-
-
35 楼
晕，我还回过这种帖子-_-!
这个怎么说呢，CUDA相对于传统的服务器集群以及超级计算机在性价比、占地空间、功耗等方面的优势非常明显。通过CUDA和支持CUDA GPU，两者结合在一起，所有的厂商很容易利用GPU强大的计算能力做各种各样的并行计算工作，这就是最大的价值。这一切使得每个人都可以低成本的拥有自己的桌面超级计算机成为可能，而不是大家来共享一台大型的超级计算机。这不是简单的芯片的性能提升，而是带来了一种全新的、具有革命性的计算模式。
假设要构建一个具有100万亿次规模的数据中心，如果完全采用基于CPU 的1U服务器，需要用到1429台四核服务器，成本高达310万美元，功耗571KW；而如果采用CPU+GPU的异构模式，则仅需要25台CPU服务器和25台Telsa系统，仅需31万美元，功耗只有27KW。
|
|
|
