基于GPU的张量分解及重构方法研究及应用

发布时间：2020-08-07 21:09

【摘要】：从大规模、多维度的信息数据中提取其蕴含的信息是信息数据技术时代所面临的热点问题。其中,张量分解和重构是针对大规模体数据进行数据分析和信息提取的有效方法。在张量分解过程中,基于主成分分析的思想有效保留和增强了信息数据中主要的特征;在张量重构中,利用多尺度的思想可以快速地重构出不同尺度的信息数据,支撑不同尺度的数据分析。但张量分解的计算复杂度比较高,实际应用对计算效率有较高的要求。本文针对张量分解的计算效率问题,开展基于图像处理器(Graphics Processing Unit,GPU)的张量分解和重构方法的研究。针对基于GPU的张量分解和重构问题,本文从GPU的性能模型和基于GPU的Tucker分解和重构两个方面开展研究工作。主要内容和贡献如下:1.提出了GPU性能分析模型。针对GPU程序的性能评估的问题,一种量化的性能分析模型能够预测应用移植到GPU的性能和评估瓶颈,帮助理解GPU编程模型和性能优化。基于此,本文提出了GPU性能分析模型,不仅考虑了GPU执行时带来的额外开销,还从指令流水线的角度,通过对线程的计算指令和访存指令建模,来定量分析程序和理解程序性能特征。通过仿真分析,本文提出的模型能够以较高的准确率预测出GPU程序的性能;2.提出了基于GPU的Tucker分解及重构算法。针对Tucker分解及重构算法计算复杂度过高的问题,本文提出了基于GPU的张量分解及重构并行化算法。通过对算法进行性能剖析,将算法中最耗时的一系列张量与矩阵的乘法进行基于GPU的并行化改造,并且以中间结果复用的方式优化CPU-GPU间的数据传输开销,加速Tucker分解及重构。通过仿真测试,本文提出的方法实现了几倍至数十倍的加速比;3.实现了基于GPU张量分解及重构的大规模三维地震数据可视化应用。针对现有可视化方法中存在只能提供特定分辨率的问题,提出了基于连续多分辨率的可视化方法,并且将张量分解及重构的并行化研究成果应用在可视化系统中。综上所述,GPU性能分析模型帮助理解GPU编程模型和性能优化,提出并实现的基于GPU的张量分解和重构能够提高大规模三维地震数据可视化中的计算效率。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O183.2

【相似文献】

相关期刊论文 前10条

1 任衍青;逯志宇;王大鸣;基于GPU加速遗传算法的直接定位研究[J];计算机应用研究;2019年05期

2 王驰;刘羽;;GPU优化的大规模线性方程组并行求解的研究与比较[J];信息通信;2016年12期

3 都志辉;温琳清;;GPU支持的低延迟引力波数据处理[J];中国科学:物理学 力学 天文学;2017年01期

4 蓝帆;潘峗;严晓浪;宦若虹;CHENG Kwang-ting;;片上网络良率评估的GPU加速[J];浙江大学学报(工学版);2017年01期

5 邵欣明;;基于GPU的图像处理并行算法分析[J];中小企业管理与科技(上旬刊);2017年03期

6 陆许明;张嘉文;徐永键;;GPU协处理视频编码的服务平台设计[J];电脑知识与技术;2016年28期

7 周天驰;;基于GPU的图像处理计算方法分析[J];科技风;2017年03期

8 顾文恺;;基于GPU的脉冲压缩并行化研究[J];航空计算技术;2017年02期

9 傅志中;赵宇飞;徐进;;基于GPU的图像增强实验设计与实现[J];实验技术与管理;2017年05期

10 赵欢欢;张润生;;基于GPU的数字信道化设计[J];数字技术与应用;2017年06期

相关会议论文 前10条

1 陆娟娟;温柏坚;王毅;陆进军;郭文鑫;;基于GPU并行的静态安全分析设计与应用[A];2016智能电网发展研讨会论文集[C];2016年

2 刘志宏;张年梅;;磁流体力学数值模拟GPU加速技术研究[A];第九届全国流体力学学术会议论文摘要集[C];2016年

3 ;GPU加速基于经验模态分解的高动态范围图像色调映射[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

4 王健;许明;陈飞国;葛蔚;李静海;;单相流动直接数值模拟在GPU上的实现[A];中国颗粒学会第七届学术年会暨海峡两岸颗粒技术研讨会论文集[C];2010年

5 梁亮;张定华;毛海鹏;王凯;吴清;;用GPU实现快速三维图像重建[A];2004年CT和三维成像学术年会论文集[C];2004年

6 任鸿翔;金一丞;尹勇;;基于GPU的多重凹凸贴图方法[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

7 张嘉华;梁成;李桂清;;细分曲面的GPU完全实现[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

8 张明磊;孙树立;邱鑫;;基于重心坐标插值的网格变形GPU并行方案[A];北京力学会第19届学术年会论文集[C];2013年

9 钟何平;黄攀;田振;吴浩然;;基于GPU的干涉相位质量图快速计算方法[A];中国声学学会水声学分会2015年学术会议论文集[C];2015年

10 李茂文;唐林波;曾涛;张超;韩煜祺;于春磊;;基于嵌入式GPU的双目视觉测距研究[A];第十届全国信号和智能信息处理与应用学术会议专刊[C];2016年

相关重要报纸文章 前5条

1 本报记者 藏瑾;苹果、三星自研GPU：手机厂商供应链发力[N];21世纪经济报道;2017年

2 本报记者 陈洲;三星苹果竞技GPU 产业链洗牌大幕再次拉开？[N];通信信息报;2017年

3 本报记者 顾鸿儒;手机企业自研GPU成趋势 专业壁垒和生态束缚是两道坎[N];中国电子报;2018年

4 王毅;GPU通用计算“暗战”[N];电脑报;2009年

5 Andy Patrizio 编译 Charles;GPU:为何对HPC和AI越来越重要？[N];计算机世界;2018年

相关博士学位论文 前10条

1 白冰;混响室电磁环境的GPU并行重建算法及应用研究[D];西安电子科技大学;2015年

2 陈俊杰;基于GPU的隐式曲面多边形化和造型技术[D];浙江大学;2015年

3 崔树林;基于GPU的并行矢量数据分析与索引技术研究[D];中国科学院研究生院（东北地理与农业生态研究所）;2014年

4 王思博;GPU加速耗散粒子动力学模拟软件及其在重质油介观模拟中的应用[D];中国科学院研究生院(过程工程研究所);2015年

5 李荣春;基于GPU的软件无线电并行算法与系统结构关键技术研究[D];国防科学技术大学;2014年

6 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

7 张楠;基于相位差异的地基望远镜图像恢复算法与GPU高速实现[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

8 葛子厚;基于GPU动态误差度量的大规模地形绘制方法[D];吉林大学;2012年

9 李仕;航空异速像移模糊实时恢复算法研究与GPU平台实现[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

10 甘新标;面向众核GPU的编程模型及编译优化关键技术研究[D];国防科学技术大学;2012年

相关硕士学位论文 前10条

1 黄威;基于嵌入式GPU的USB插头表面缺陷检测算法研发[D];浙江大学;2018年

2 刘腾宇;离子推进器粒子模拟的GPU加速研究[D];电子科技大学;2018年

3 李铭;基于GPU的张量分解及重构方法研究及应用[D];电子科技大学;2018年

4 董辉;基于YARN的GPU调度支持及调度策略研究[D];电子科技大学;2018年

5 房颢;移动GPU功耗建模[D];东南大学;2017年

6 张旭;蒙特卡罗法概率潮流的GPU加速技术研究[D];东南大学;2016年

7 赵明超;基于GPU并行计算全变分图像恢复的研究[D];昆明理工大学;2017年

8 郑济达;基于GPU的高光谱图像分类与目标检测[D];南京理工大学;2017年

9 刘铭;基于嵌入式GPU的数码印花缺陷检测系统硬件设计[D];浙江大学;2017年

10 宋卢军;基于GPU的实时部分相干光并行生成算法研究[D];长春理工大学;2016年

本文编号：2784533