我有一个计算密集型的单线程POSIX+boost C++程序，我只是在48核CPU上以多个副本的形式启动(这是一种蛮力a*搜索算法(
有没有任何简单的方法可以重新编译GPU的代码并在"GPU"上运行；更多"；GPU核心？
假设我想按原样运行线程，那么为GPU移植现有的boost C++代码的最简单方法是什么？
有没有任何简单的方法可以为GPU重新编译代码并在"更多"；GPU核心？
无
假设我想按原样运行线程，那么为GPU移植现有的boost C++代码的最简单方法是什么？
没有。如评论中所述，C++17包括并行算法，NVIDIA提供了一个支持CUDA的C++17编译器。这离取得"成功"还有很长的路要走；POSIX C++"；代码并直接在GPU上运行。我所熟悉的GPU编程范式中没有这样的工作。
对于任何对为什么这不可能(而且可能永远都不可能(感兴趣的人来说，GPU有一个非常特定的计算逻辑，在通常情况下，即使程序以某种方式在多核上启动，它的性能也会比单线程CPU低得多：
-
在多核CPU中，内核尽可能地分离，这样开发人员就不会考虑芯片内部。只有少数因素会影响线程性能扩展：比如内存带宽和(在某些情况下(同时的多线程效果。
-
在GPU中；"故意"；紧密连接：例如，如果分支在不同的线程中发生不同的情况，那么一组完整的核心(在某些情况下多达一百个(最终将按顺序执行代码，从而放弃所有并行化的好处。此外，由于芯通常是"芯"；"较慢"；它们的主要优点在于"；矢量化的"；操作，要求开发者"；在矢量中思考"；而不是在"；数据结构"；以获得标称性能。
因此，尽管存在编程工具包；看起来像C"；它们实际上是隐藏在C语法和类C库调用后面的特定于领域的语言。
制作"；可用的"；从普通代码到高度并行GPU代码的转换将需要一种算法，该算法可以将代码加载为逻辑，在数十亿个接地状态的尺度上找到并证明等效逻辑转换的正确性，并基于GPU的计算模型将其转换回GPU指令。虽然在未来有可能，但这远远超出了现代算法知识和计算能力。研究这些努力的科学包括人工智能规划、程序合成、自动定理证明、深度学习。