Qualcomm：使用QDN异构计算工具开发项目

如何提高应用性能？如何充分利用硬件？

如果有限的处理能力、能量管理和发热量问题对于您的产品性能来说十分重要，那么异构计算可能是您解决问题的答案。

当我们在谈论异构计算时，我们在谈论如何利用Qualcomm®Snapdragon™系统芯片（SOC）独立处理“模块”，有效地处理应用所请求的任务。我们谈论它，是因为它真的有助于充分利用Snapdragon处理器。

它是如何工作的呢？假设您有一个程序，执行很多简单运算，例如向量数据相乘。可以将计算传递给为数据并行而优化的处理器（如GPU）：GPU经过精简可以针对大量数据执行简单指令，同时保持高效节能。如果将相同的任务分配给通用的复杂指令处理器（如CPU），将消耗更多能量，并且性能通常不能与之相比。而在另一方面：对于围绕简单处理模型进行优化的处理器，为其分配拥有大量分支逻辑、指针雕镂和操作的程序将是低效的，但是相同的程序对于CPU而言可以完美执行。

我们可以通过类比举例，假设有一家生意很火的餐馆，CPU为主厨，GPU为助理厨师，DSP作为配菜厨师。当有订单进来时，主厨不是包办一切——因为这样做不能高效地为客人提供服务。主厨将任务分配给能够高效完成任务的专业人员，提高厨房的整体能力，从而满足客人的需求。

这也是异构计算的基本原理：如果并行SOC专用处理模块可以更有效地完成任务，那么，CPU就不应该操劳过度，连续处理所有任务。

考虑到今天的移动、VR和物联网应用结合了高度专业化的计算操作与复杂的处理指令，将其作为整体应用体验的一部分，开发人员需要的是一个用于异构计算的系统，从而选择最适合的处理器完成应用任务。

Snapdragon处理器完全支持异构计算，您可以控制SOC内的处理分布。通过选择如何将任务分散到不同的处理模块，并使用相关的SDK来微调这些子组件，您可以在硬件级别优化应用性能。

那么，Snapdragon中包括哪些专门用于处理不同任务的“处理模块”？

首先是Qualcomm Kryo™CPU。它是骨干兼任务主管，执行大部分常规处理工作。复杂的执行逻辑、通用指令由它执行较为理想。

其次是Qualcomm Adreno™GPU。这个模块最适合处理图形以及涉及机器学习和AI的复杂计算。GPU在对庞大数据执行类似计算方面表现优异。

第三就是Qualcomm Hexagon™DSP。DSP最适合处理来自外部的数字信号，如智能手机摄像头和麦克风产生的数字信号。

Snapdragon中GPU、DSP和CPU如何协同工作

在Snapdragon 处理器中使用这些异构处理器有助于实现更佳性能，同时最大程度地降低功耗和发热问题。

您可以利用QDN上提供的软件资源（如SDK和概要分析器），以使用异构计算技术，真正发挥出应用性能（而不会出现过热问题）！

异构计算技术为进一步拓展移动应用——从虚拟和增强现实到机器学习应用和物联网——铺平了道路，这一点令人振奋。

在本系列下一篇文章中，我们将详细介绍所涉及的工具。第三部分将介绍如何使用这些工具实现高级优化！敬请期待！

---

更多Qualcomm开发内容请详见： Qualcomm开发者社区 。