為什么A卡不像N卡那樣，開發(fā)類似CUDA的API，從而可以做科學(xué)計算？NVIDIA顯卡雖說有cuda，但是AMD顯卡也有opencl啊，其實不管是CUDA還是OpenCL，兩者都是為了滿足通用并行計算

為什么A卡不像N卡那樣，開發(fā)類似CUDA的API，從而可以做科學(xué)計算？

NVIDIA顯卡雖說有cuda，但是AMD顯卡也有opencl啊，其實不管是CUDA還是OpenCL，兩者都是為了滿足通用并行計算，但是cuda是配備完整工具包、針對單一供應(yīng)商(NVIDIA)的成熟的開發(fā)平臺，相對來說更加專用化和封閉化，而opencl則是一個開放的標(biāo)準(zhǔn)，被許多軟件和硬件廠商所使用，范圍比較廣。

就科學(xué)計算來說，確實目前對開發(fā)者更友好的cuda使用面更廣，這與cuda擁有相對完整的開發(fā)套件有很大關(guān)系，經(jīng)過多年的發(fā)展，cuda已經(jīng)有遠(yuǎn)好于OpenCL的生態(tài)系統(tǒng)，更易用，對程序員更友好，而OpenCL盡管開放，但是API設(shè)計怪異，缺乏一致性，功能亦不正交，很不直觀，遠(yuǎn)未成熟。

AMD顯卡目前是無法支持cuda而只能支持opencl的，在一些科學(xué)計算程序中，AMD顯卡的計算效率確實明顯不如N卡，這里就是cuda的優(yōu)勢所在了，之所以AMD沒有開發(fā)類似cuda這樣的api主要還是在于AMD沒有足夠的實力制定這項標(biāo)準(zhǔn)，而NVIDIA早在2006年的GTX8800顯卡上就啟用cuda計劃了，這么多年的發(fā)展nvidia也投入了巨大的人力物力才獲得今天的成就，包括每年的GTC大會都對cuda和相關(guān)技術(shù)的推廣做了大量工作，而AMD顯然缺乏這方面的工作。

其實AMD作為同時研發(fā)CPU和GPU的半導(dǎo)體廠商，能做到這樣就很不容易了，在資金無法大幅增長的情況下，顯卡業(yè)務(wù)只要做好本職工作就很不錯了，至于弄什么新api標(biāo)準(zhǔn)顯然很難做到，只能期待OpenCL的未來能更加美好吧。

學(xué)Python一定要會算法嗎？

剛開始入門時，不是必須學(xué)好算法的。但是隨著技術(shù)的深入，算法還是需要的，不然只能干點"搬磚"的活兒。

1、學(xué)好軟件開發(fā)離不開計算機(jī)理論基礎(chǔ)，如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等。如果熱愛這門技術(shù)，這些都是不問題，先入門，這些慢慢的都可以補(bǔ)上。

2、關(guān)于算法，它是軟件開發(fā)的靈魂，沒有好的算法寫不出優(yōu)秀的程序。

3、如何學(xué)習(xí)算法，首先選取經(jīng)典算法教材?；A(chǔ)的可以先從《數(shù)據(jù)結(jié)構(gòu)》學(xué)起，里面有些基礎(chǔ)算法，然后再去學(xué)專門的算法(其實把數(shù)據(jù)結(jié)構(gòu)范疇的算法學(xué)好，一般就夠用了)。還有網(wǎng)上有很多論壇，算法網(wǎng)站，為了吸引眼球 一般都做的淺顯易懂。還有大部分算法為c語言，但語言在算法層面都相通的，明白算法模型才是最重要的。

4、萬事開頭難，只要入門，剩下的就是慢慢經(jīng)營這門技術(shù)就行了。算法在實踐中學(xué)的最快也最牢固。

希望能幫到你