基于GPGPU-sim的多kernel场景下GPGPU性能优化实验方法

该文介绍了基于GPGPU-sim的多kernel环境下GPGPU性能优化实验方法,旨在为初学者开展多kernenl场景下GPGPU性能优化研究提供实验方法参考,也能为计算机系统结构教学提供案例。文中重点分析讨论了基于GPGPU-sim模拟器、多kernel场景下的一种自适应线程块调度方法的改进思想、实验方法及过程,还对GPGPU的微系统结构、GPGPU-sim模拟器及源代码结构进行了介绍。实验结果表明,该文阐述的实验方法可行,相对于基准方法,该文提出的改进策略可以提升多kernel场景下GPGPU的执行效率。

GPGPU-Sim兼容性问题解决方案及脚本自动化运行方法的研究

分析了GPGPU-Sim模拟器在高版本Ubuntu操作系统上运行时发生的动态链接库不兼容的问题,通过实验发现了解决方案,在此基础上提出了无需编译GPGPU-Sim源代码便可使用GPGPU-Sim模拟运行CUDA程序的办法,并给出了利用脚本自动化运行和采集数据的方法.提出的兼容性解决方案和并行运行方式可以提高模拟器部署和工作的效率,对于该模拟器的使用者和研究者有积极借鉴意义.

GPU矩阵乘法的性能定量分析模型

性能评价和优化是设计高效率并行程序必不可少的重要工作,存储系统的性能高低直接影响到处理器的整体性能。利用GPGPU-Sim对GPU的存储层次结构进行了模拟,找出了SM数量与存储控制器数量之间最佳配置关系。矩阵乘法是科学计算领域中的基本组成部分,是一种具有计算和访存密集特点的典型应用,其性能是GPU高性能计算的一个重要指标。性能模型作为并行系统性能评价的新的技术解决方案,具有许多其它性能评价方法无法比拟的优势。建立了一个性能模型,模型通过对指令流水线、共享存储器访存、全局存储器访存进行定量分析,找到了程序运行瓶颈,提高了执行速度。实验证明,该模型具有实用性,并有效地实现了矩阵乘法的优化。

数据密集型应用在NVIDIA Fermi片内存储结构上的适应性分析

数据密集型应用是一类以数据搜索、分析、传输和处理为主的应用。利用GPGPU-SIM模拟器模拟NVIDIA的Fermi架构,分析了Fermi存储结构与数据密集型应用的适应性关系,并给出其存储层次优化设计建议。