基于CUDA/GPU技术和密码运算的成果总结

结论

本人自行编写的GPU模幂运算代码，以及从GitHub和Stack Overflow获取的GPU RSA算法和GPU模幂算法，均未能实现比CPU更快的运算速度，且测试时CPU代码未进行任何优化。本次测试共执行了8192次
x^y \mod z
运算，其中x与y为unsigned long long类型，即64位整数，z为65537。

本人编写的multiply.cu程序耗时约5秒（5.041000s），而对应的CPU版本multiply_cpu.c仅需0.287000s；当开启O3优化后，CPU版本耗时几乎接近于零。

采用TensorFlow编写的diancheng.py程序耗时约为2.4秒。

GPU_RSA.cu程序耗时0.473737秒，而对应的CPU_RSA.c程序耗时0.519994秒；开启O3优化后，CPU版本耗时降至0.198997秒。

paradd2.cu程序的平均GPU耗时为0.061485毫秒，而平均CPU耗时仅为0.002447毫秒。

所有GPU版本的运算速度均低于对应的CPU版本。

这是Nvidia提供的CUDA编程七步法，或许对后续的性能优化具有一定参考价值
https://developer.download.nvidia.com/assets/cuda/files/reduction.pdf

Git