作者：Limber Cheng
因为实习的原因，写了一点关于并行计算的东西，当然用的是CUDA。
今天想说说自己对并行计算的一点浅显认识
以前一直以为，并行计算嘛，就是fork出进程然后各干各的，最后汇总下结果。也就是计算中的if的同步进行，这一点在我的Variational Inference（变分推理）中用起来简直是不要太美好。
VI比蒙特卡洛瞎猜（用大量的模拟实验强行逼出某个分布律，因为过于暴力被我吐槽为蒙特卡洛瞎猜）好很多。而也就是VI，与并行计算配合起来出现了1+1大于2，甚至大于100、1000的情况。VI的核心是通过一组分布关系，有的时候结合KL Divergence（一种能判定差异性的工具吧？比如判定人和人的差异与人和狗的差异。）来进行辅助。
大概可以这样理解（比喻略有出入），假如在识别物体这个任务上（通过相机进行图片识别），首先并行运算的一开始我们就将某集合与某集合（比如相机范围内出现人与木桩子与狗），一波的浪操作把数据弄到我这儿来。嗯很好，然后我用并行操作进行操作，这一打数据怼进去，那么这个时候，我可以同时进行人与木桩子比，木桩子与狗比，狗与人比的比较过程。如果真的只是fork出来然后各干各，可能也就是以前速度的1/3罢了。但是问题是不是这样子的！打个比方就是人与狗比较的一开始的时候（你可以理解为人与狗比较的过程有很多步骤），有一种感觉，嗯，这个玩意很像人。然后嗖的一下去了别的小伙伴那边说——弟兄们，我觉得是人的几率比较大。然后这个时候，对比狗与木桩子的任务的小伙伴表示，啥玩意儿？去你妈的那我做个卵啊？然后就去帮人与木桩子、狗与人的比较了。这样的话，资源运用的效率是不是会提升更多？
确实，实际中并行计算往往并非是完全独立的。相反，各个进程之间往往需要各种同步和交流机制。这在一定程度上对编程能力提出了巨大挑战。一方面需要对任务进行分块，另一方面需要自己控制好同步和交流的节奏（弄不好就出现计算结果飘忽不定的情况）。也就是说，原来在串行程序中根本不会出现的资源读写问题，到了并行程序里可能就会成为大问题。许多事情都需要自己手动控制好，就算再有耐心的程序猿看到了也会有些抓狂。只能寄希望以后某一天编译器可以变得足够智能，把苦逼的程序猿解放出来。另外不得不说，
这一点pycuda的封装做得很好，反正我觉得很好用，并且我比较喜欢Python，只是我没比较过性能上的差异。为了写项目啊，我不得不重拾很久都没碰过的c语言。嗯，指针真是个好东西，有时候真是无比怀念啊......不过，数组越界的问题，完全靠自觉了......唉，凡事都是有得有失。不过我觉得自己应该不会再用c来并行计算了，如果可以，我还是更愿意用一些高层的语言来写，尽管性能上可能会有些损失，但是，相比调试上所花的时间精力来说，值了。
关于这篇文章：
“这篇文章由我一位目前在英伟达实习的同学撰写，我现在代其将这篇文章整理后发布在这里，著作权归原作者所有。”
