GPU在某些类型的计算方面表现更好，例如生成比特币和执行气候模拟。
如果象棋引擎使用GPU而不是CPU进行计算，将会受益吗？
也许一些知识渊博的人可以强调两者之间的区别，并启发我们了解GPU是否适合于国际象棋引擎执行的计算类型。
适用于国际象棋引擎的CPU v.GPU
Answers:
编辑：
在http://rybkaforum.net/cgi-bin/rybkaforum/topic_show.pl?tid=32317中提出的其他几点。
- GPU不太适合递归
- GPU不太适合浮动
- 对于新的机器学习方法，GPU可能会更好，但传统引擎算法则不能
原件：
@ Maxwell86已经提供了出色的链接和资源。注意zeta-chess引擎。这是GPU国际象棋引擎。不幸的是，GPU尚未在国际象棋编程中证明其有用性。实际上，zeta国际象棋引擎项目完全没有进展。
GPU在可以并行化的浮动计算和算法上效果很好。这需要独立性。但是，如果我们看一看典型的最小-最大（或alpha-beta）树（每个象棋引擎都使用）
右分支取决于左分支。特别是，如果我们可以得到一个截止值（失败），那么我们甚至不需要搜索其余节点。不幸的是，这不是GPU可以有效完成的事情。可以为alpha-beta编写GPU程序，但是需要暂停GPU线程（称为内核）以等待。与CPU不同，GPU内核不能只切换到其他东西（称为线程切换甚至进程切换的进程）。
我们现有的算法和引擎知识源自CPU领域。整个算法需要针对GPU进行重新研究。不幸的是，对此并没有太多的兴趣和研究。
您不必卸载minimax本身。有一些非常适合GPU的子任务（例如Botvinnik的alpha路径查找，木板哈希，静态评估等）。就是说，我对这方面的研究一无所知。
—
user58697
真正。但是，如果主搜索本身无法卸载，那么就没有必要卸载小型任务。
—
HelloWorld
这是一个很好的答案。+3开关在屏幕上哪里？我找不到！
—
thb
我没有进行GPU编程的经验，但是通常，GPU在并行执行简单命令方面非常高效。显然，用于象棋引擎的搜索树不是这种情况。因此，GPU失去了其与CPU相比的计算优势。
当然，这是国际象棋引擎的GPU编程的当前状态，但是GPU编程相对较新，因此也许他们将来会找到解决当前问题的解决方案。
这里有几个有趣的链接，尤其是有关为GPU实现国际象棋引擎的博客。
您已经错过了：zeta-chess.blogspot.com
—
HelloWorld
GPU擅长的领域包括分数数学，向量运算和需要最少同步的并行化。国际象棋引擎有最后一个，但没有前两个。
—
intx13
LC0（Leela Chess Zero）项目是AlphaZero的国际象棋开源改编版，显示了大型神经网络中gpus，浮点性能和内存带宽的优势。
我完成了当前的实验性gpu国际象棋引擎Zeta v099a的运行。
https://github.com/smatovic/Zeta
当前迭代的实际结论是，可以将具有标准象棋编程技术的简单引擎移植到OpenCL上，使其在gpu上运行，但是要使引擎在每秒计算节点数方面具有竞争力，则需要付出更多的努力（速度），启发式（专家知识）和缩放（并行搜索算法）。
Computer Chess作为计算机科学主题，在40年代和50年代开始发展了数十年，并在1997年的Deep Blue vs. Kapsarow比赛中达到顶峰。如今，通过玩成千上万的游戏来调整象棋引擎，因此要在gpu上运行国际象棋引擎和在gpu上运行具有竞争力的国际象棋引擎是两个不同的任务。
我对CUDA和国际象棋编程（不是引擎编程）有一些经验。我也多次想到这个问题。这是我的看法，我从未研究过。
好吧，首先，几乎可以肯定的是，当前象棋引擎的设计是不可能的。否则，有人会简单地做到这一点。
是否可以在全新设计中使用它，这是一个更大的问题。整数运算没有问题，但是很明显，有很多事情必须运行原始代码，并且不能在许多实体上进行严重分支。
我认为所有的树计算都应在CPU上运行。
但是我可以想象（我没有说这是可能的）一些局部评估函数可以对位置进行尽可能多的评估，从而给CPU更多的时间，以帮助他以更好的方式构建树。一个这样的函数可以计算在每个位置上应该进行多认真的计算。
您可以计算出被攻击的方块数量，被攻击的碎片，国王周围的火力以及船上某些子区域中与兵器结构相关的东西，您可能会为这些做GPU优化的代码。您可能可以免费获得许多有用的信息（无需CPU时间，无需等待CPU），但是您必须是真正的天才，才能将现代GPU的全部功能用于如此小的事情。
创建全新的发动机设计以使速度提高30％可能不是一件很有趣的事情。而要想使先进的GPU的速度提高20倍，您就必须使评估功能变得与众不同。
我认为这是最后一个问题。您可以花很多精力在CPU上运行一个代码，但是在CPU + GPU方案中，您必须处理不同比例的CPU和GPU。速度和核心数。要使用完整的硬件功能，对于具有弱GPU的16核群集，您将需要与在具有超快速GPU的慢速CPU上需要不同的代码。最好对CPU和GPU进行基准测试，然后在更快的计算机上运行更多代码。但是，我仍然认为，仅凭评估功能，您将无法接近喂食3000核的野兽。
编辑：为了使情况更清楚，CPU会定期发送GPU位置数组以进行部分评估。也许从我写的内容还不清楚。
许多问题使这项工作。
我只看到使用基于GPU的国际象棋引擎的好处，而看不到任何严重的问题。也许您有尝试使用标准国际象棋程序的问题，但对其他问题知之甚少。我刚开始从第一行开始编写象棋程序，这是我在没有特殊感觉的情况下在CUDA上进行了一些首次编程测试后，作为第二个基于CUDA的程序编写的。很快，我可以进行一些首次性能测试，并针对其他引擎测试游戏。也许在下周。我只是开始创建它，但是我已经关闭完成它，并且大多数功能已经完成。
Google已证明GPU非常适合用于机器学习，但GPU不适用于传统的象棋编程。
—
HelloWorld '18