面向GPU计算平台的归约算法的性能优化研究

• 作者: 安向哲2 张逸然1 陈龙2 颜深根3
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 归约算法 GPU 线程内归约 OpenCL
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 交叉与前沿
• 页码范围: 306-314
• 页数: 9页
• 分类号: TP391
• 字数: 10082字
• 语种: 中文

摘要

归约算法在科学计算和图像处理等领域有着十分广泛的应用,是并行计算的基本算法之一,因此对归约算法进行加速具有重要意义.为了充分挖掘异构计算平台下GPU的计算能力以对归约算法进行加速,文中提出基于线程内归约、work-group内归约和work-group间归约3个层面的归约优化方法,并打破以往相关工作将优化重心集中在work-group内归约上的传统思维,通过论证指出线程内归约才是归约算法的瓶颈所在.实验结果表明,在不同的数据规模下,所提归约算法与经过精心优化的OpenCV库的CPU版本相比,在AMD W8000和NVIDIA Tesla K20M平台上分别达到了3.91～15.93和2.97～20.24的加速比;相比于OpenCV库的CUDA版本与OpenCL版本,在NVIDIA Tesla K20M平台上分别达到了2.25～5.97和1.25～1.75的加速比;相比于OpenCL版本,在AMD W8000平台上达到了1.24～5.15的加速比.文中工作不仅实现了归约算法在G P U计算平台上的高性能,而且实现了在不同GPU计算平台间的性能可移植.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张逸然1		1	2	1.0	1.0
2	颜深根3		1	2	1.0	1.0