GPU/CPU协同并行计算全波形反演理论及应用

发布时间：2024-06-02 16:10

　　随着计算机技术发展和相关理论的成熟,全波形反演愈来愈多地成为了地球物理领域学者们的研究对象。近十年来,随着图形处理器硬件的飞速发展和GPGPU(General Purpose GPU)计算概念和相应编程模型的成熟,GPU在通用计算方面得到了极大的应用。在全波形反演是往往涉及很多矩阵、循环等运算,这适合做并行化处理,这就需要引入GPU/CPU的协同。全波形反演包含较多的方面,流程框架上来看是一个数学优化问题,包含了较多的方面和细节问题,但要引入并行运算就必须把原框架下的串行和并行部分梳理开来,对可以并行化的部分做处理和优化,主机负责整体的程序框架和串行部分,从而实现GPU/CPU协同运算的目的。本文将对下列问题进行学习或研究:(1)研究GPGPU编程概念,主要选取CUDA编程模型,对一般程序并行化改写方法和并行程序的存储空间使用方式、内存的读写方式、程序的瓶颈及优化等问题。对图形处理器的计算单元分布特点,内存组织形式进行着重研究。(2)主要研究声波近似下的波动方程。根据Torantola关于全波形反演的理论阐述,对其的共轭梯度的算法进行研究。研究利用波场残差的回传来逆推模型参数的对偶扰动...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图1-1GPU晶体管结构示意

、依赖或者其它逻辑上错综复杂的联系，因此CPU上面的很多程控制（flowcontrol），而并非算数逻辑运算（algorithmlogicp一般GPU的体系结构，它主要把晶体管用于算数逻辑运算，大程上的控制单元[21]。图1-1为GPU的晶体管类型分布特点示....

图3-2GPU/CPU异构程序流程图

流程和组织模式如下图所示。主机参数设置、与设备间的数据传输等的线程由前面讲到的网格、和线程动设置<<<Ax,Ay,S,n>>>>。这样C运算单元中去，还可以选择CPU是异构程序一般流程。

图3-3GPU线程组织层次示意

制于SM上的寄存器数量线程尽量轻量级的，这样在同开启更多的线程，提高GPU的占用率。在CUDA中，都大量轻量级的线程批量地处理数据，待处理的数据通线来映射，如图3-3所示。

图3-6简单数组循环示意

法算，GPU是很好的解决方案。分支判断语句、对数据的访问上运行，因此一些程序重构的的运行效率。的重构体，因此对循环和循环中访问循环，loop1，loop2和loop3

本文编号：3987487