基于GPU-CPU混合架構的流程序多粒度劃分與調度方法研究.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)流編程語言簡化了相關領域的編程,很好地把任務計算和數(shù)據(jù)通信分開,從而使應用程序分別在任務級和數(shù)據(jù)級均具有可并行性。在多 GPU和多 CPU的混合架構系統(tǒng)平臺上,任務計算與數(shù)據(jù)通信的復雜性是影響數(shù)據(jù)流程序執(zhí)行效率的一個重要因素,如何在混合架構下進行高效的任務劃分與調度是近年來并行計算領域的研究問題。
  針對GPU/CPU混合架構系統(tǒng)結構中存在的大量數(shù)據(jù)并行、任務并行以及流水線并行等問題,提出并實現(xiàn)了面向GPU/CPU混合架構的

2、數(shù)據(jù)流程序任務劃分方法和多粒度調度策略,包括任務的分類處理、GPU端任務的水平分裂和CPU端離散任務的均衡化,構造了軟件流水調度,經(jīng)過編譯優(yōu)化生成 OpenCL的目標代碼。任務的分類處理根據(jù)數(shù)據(jù)流程序各個任務的計算特點以及任務之間的數(shù)據(jù)通信量大小,將各個任務分配到合適的計算平臺上;GPU端任務的水平分裂利用GPU端任務的并行性將其均衡分裂到各個GPU,以避免GPU間高額的通信開銷影響應用程序整體的執(zhí)行性能;CPU端離散任務的均衡化通過選

3、擇合適CPU核,將CPU端各任務均衡分配給各 CPU核,以保證負載均衡并提高各 CPU核的利用率。編譯優(yōu)化包括存儲訪問優(yōu)化和目標代碼優(yōu)化兩部分內容,存儲訪問優(yōu)化采用多種數(shù)據(jù)存儲結構和多種訪問類型的方法,以提高內存的訪問效率;目標代碼優(yōu)化通過生成目標模板類和壓縮目標結點的個數(shù),降低目標代碼的冗余量。
  實驗以三塊NVIDIA Tesla C2050、兩塊四核CPU作為混合架構系統(tǒng)平臺,選取9個多媒體領域的經(jīng)典算法作為測試程序,對數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論