文章目录
1. cpu 代码加速： simd指令集
上面我们已经提到多种架构的CPU，常用的两类可以分为
1）Intel , amd
2）Arm
其中Intel , amd的simd指令集包括sse系列和avx系列，一般电脑使用的是intel的cpu
Arm的指令集是NEON，主要用于手机移动端
使用simd指令集，要包括特定的头文件，然后调用指令集函数
SIMD理解和学习入门资源
2. cpu代码加速： 多线程：openmp并行
OpenMP支持的编程语言包括C语言、C++和Fortran；而支持OpenMp的编译器包括Sun Compiler，GNU Compiler和Intel Compiler等。OpenMp提供了对并行算法的高层的抽象描述。
程序员通过在源代码中加入专用的#pragma来指明自己的意图，由此编译器可以自动将程序进行并行化，并在必要之处加入同步互斥以及通信。
当选择忽略这些#pragma，或者编译器不支持OpenMP时，程序又可退化为通常的程序（一般为串行），代码仍然可以正常运作，只是不能利用多线程来加速程序执行。
矩阵相乘通过 openmp 实现多线程并行加速示例：
static void matMultCPU_parallel(const float* a, const float* b, float* c, int n)
{
#pragma omp parallel for schedule(dynamic)
for (int i = 0; i < n; i++)
{
for (int j = 0; j < n; j++)
{
double t = 0;
for (int k = 0; k < n; k++)
{
t += (double)a[i * n + k] * b[k * n + j];
}
c[i * n + j] = t;
}
}
}
并行计算之基础概念
并行计算之OpenMP入门简介
OpenMP4.0: #pragma openmp simd实现SIMD指令优化(ARM,X86,MIPS)
3. cpu代码加速： 多线程并行：tbb
TBB(Thread Building Blocks)是英特尔发布的一个库，全称为 Threading Building Blocks。TBB 是一套 C++ 模板库
1）TBB提供C++模版库，用户不必关注线程，而专注任务本身。
2）抽象层仅需很少的接口代码，性能上毫不逊色。
3）灵活地适合不同的多核平台。
4）线程库的接口适合于跨平台的移植(Linux, Windows, Mac)
5）支持的C++编译器 – Microsoft, GNU and Intel
opencv中目前使用tbb较多。
Intel Thread Building Blocks (TBB) 入门篇
4. CPU, GPU加速：OpenCL并行
开放计算语言 (OpenCL) 是一种开放标准，用于编写跨异构平台（包括 CPU、GPU、DSP 等）运行的代码。特别是 OpenCL 为应用程序提供了对 GPU 的访问，在计算机视觉中，许多算法可以在 GPU 上比在 CPU 上更有效地运行：例如 图像处理、矩阵运算、计算摄影、物体检测等。
5. nvidia GPU 加速： cuda C
CUDA(Compute Unified Device Architecture)是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
GPU编程语言选择（OpenCL、CUDA 与C++ AMP）
矩阵乘法的并行优化（1）：OPENMP、CUDA实现
6. opencv中使用的加速技术：
simd, tbb, openmp, opencl, cuda等技术都有使用
有相关博客介绍opencv中的加速：
OpenCV算法加速（1）OpenMP/PPL/TTB基础知识