為什么A卡不像N卡那樣，開發(fā)類似CUDA的API，從而可以做科學計算？雖然NVIDIA顯卡有CUDA，amd顯卡也有OpenCL。事實上，CUDA和OpenCL都是為了滿足通用并行計算的需求而設計的。

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

雖然NVIDIA顯卡有CUDA，amd顯卡也有OpenCL。事實上，CUDA和OpenCL都是為了滿足通用并行計算的需求而設計的。然而，CUDA是一個成熟的開發(fā)平臺，它為NVIDIA提供了一個完整的工具包，相對來說更加專業(yè)和封閉。OpenCL是一個開放的標準，被許多軟硬件制造商廣泛使用。

就科學計算而言，CUDA對開發(fā)人員更友好，應用更廣泛。這與CUDA相對完整的開發(fā)工具包有很大關系。經過多年的開發(fā)，CUDA擁有比OpenCL更好的生態(tài)系統(tǒng)，它更易于使用，對程序員也更友好。雖然OpenCL是開放的，但是它的API設計很怪異，缺乏一致性，并且它的函數不是正交的，這并不簡單，它還遠遠不夠成熟。

Amd顯卡目前不支持CUDA，但只能支持OpenCL。在一些科學計算程序中，AMD顯卡的計算效率明顯低于N顯卡。這就是CUDA的優(yōu)勢。amd之所以沒有像CUDA那樣開發(fā)API，是因為amd沒有足夠的實力來制定這個標準。英偉達早在2006年就開始在gtx8800顯卡上推出CUDA，經過這么多年的發(fā)展，英偉達已經投入了巨大的人力物力取得了今天的成績，包括一年一度的GTC大會，在CUDA和相關技術推廣方面做了大量的工作，而amd顯然缺乏這樣的工作。

事實上，作為同時開發(fā)CPU和GPU的半導體制造商，AMD要做到這一點并不容易。在資金不能大幅度增長的情況下，顯卡業(yè)務只要做好自己的工作就非常好。至于新的API標準，顯然很難做到。我們只能期待OpenCL有一個更好的未來。

學Python一定要會算法嗎？

開始時，您不必很好地學習算法。但是隨著技術的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學好軟件開發(fā)離不開計算機理論基礎，比如數據結構、操作系統(tǒng)、網絡技術、算法研究等，如果你喜歡這項技術，那就不是問題。先開始，你可以彌補。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學習算法，首先選擇經典算法教材?；镜目梢詮臄祿Y構中學習，其中包含一些基本的算法，然后再學習特殊的算法（實際上，在數據結構領域學習算法一般就足夠了）。網上還有很多論壇、算法網站，為了吸引眼球，它們一般都很通俗易懂。大多數算法都是C語言，但是語言在算法層次上是相互聯系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項技術。該算法在實際應用中是最快、最強的。

我希望我能幫助你