面向大规模科学计算的CPU-GPU异构并行技术研究

发布时间：2021-03-14 09:13

　　大规模科学计算对科学研究具有及其重要的意义,是计算机学科面临的重大任务。近年来,随着GPU硬件及其编程模型的快速发展,使用GPU来加速大规模科学计算应用已成为必然趋势。GPU擅长进行计算密集型操作,而且具有极高的性价比,非常适合高性能科学计算。然而,如何有效地把科学计算应用移植到GPU上运行仍是一个很大的挑战。在由CPU和GPU构建的异构系统中,CPU负责进行复杂的逻辑运算和事务管理等不适合数据并行的计算,GPU负责进行计算密集度高、逻辑分支简单的大规模数据计算。本文从两个层面研究了面向大规模科学计算的CPU-GPU异构并行技术。首先,根据CPU-GPU异构平台的特性,本文提出了CPU-GPU任务划分和CPU-GPU间通信优化两种优化策略。在讨论任务划分时,本文给出了比例划分法、曲线拟合法和搜索法三种任务划分模型,各自适用用于不同的情况;在研究CPU-GPU间数据通信时,本文提出了中间结果复用和长流分段两种方法,从不同角度优化CPU-GPU的通信过程。其次,针对AMD GPU硬件及其编程模型Brook+的特性,本文提出了四种面向GPU的并行优化策略,包括平衡线程并行性和局部性、分支消除... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

NVIDIAGPU与通用CPU峰值性能比较

OpenCL的平台模型

RadeonHD4000体系结构图

【参考文献】：
期刊论文
[1]图形处理器用于通用计算的技术、现状及其挑战[J]. 吴恩华.  软件学报. 2004(10)
[2]基于图形处理器（GPU）的通用计算[J]. 吴恩华,柳有权.  计算机辅助设计与图形学学报. 2004(05)



本文编号：3081891