摘要
图形处理器(GPU)的高性价比吸引了越来越多的科学计算.和图形应用相比,科学计算程序存在纷杂的数据依赖和不规则访问,影响其在GPU上的执行性能.为此,提出一种面向GPU体系结构的程序重构方法.通过计算重构增大程序的可并行性和计算密集性,改善GPU上计算资源的利用率.通过数据重构消除程序中的不规则数据访问,使用向量数据类型提高程序的存储带宽.实验结果表明:文中提出的优化方法减少了程序在GPU上的执行时间,获得了1.17～8.91倍的加速比.
Graphic processing units attract more and more scientific computing due to their high performance/cost ratio.Compared to the graphical applications,there are complex data dependences and irregular data access patterns in scientific computing programs.Therefore,we propose GPU-oriented program restructuring methods.By computation restructuring,we enhance the parallelism and the compute intensity of the programs,improving the ALU resources utilization on GPU.By data restructuring,we eliminate the irregular data access patterns,using vector data type to improve the available memory bandwidth of the programs.Experimental results show that the proposed optimization methods can decrease the execution time of the scientific computing programs on GPU and achieve 1.17～8.91 times speedup.
出处
《小型微型计算机系统》
CSCD
北大核心
2011年第10期1921-1927,共7页
Journal of Chinese Computer Systems
基金
上海市重点学科建设基金项目(B114)资助
AMD大学合作计划基金资助
关键词
GPU
科学计算程序
计算重构
数据重构
存储优化
向量数据类型
GPU
scientific computing programs
computation restructuring
data restructuring
memory optimization
vector data type
