gpu通用计算性能预测和优化

《gpu通用计算性能预测和优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文GPU通用计算性能预测和优化硕士研究生：江琳学号：1110369038导师：教授副导师：申请学位：工学硕士学科：计算机科学与技术所在单位：信息安全工程学院答辩日期：2014年1月授予学位单位：上海交通大学万方数据DissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterGPGPUPERFORMANCEESTIMATIONANDOPTIMIZATIONCandidate：LinJiangStudentID:

2、1110369038Supervisor：Prof.WeidongQiuAssistantSupervisor:AcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofInformationSecurityDateofDefence：Jan,2014Degree-Conferring-Institution：ShanghaiJiaoTongUniversity

3、↑（TimesNewRoman4号字）万方数据万方数据万方数据上海交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文《GPU通用计算性能预测和优化》，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日万方数据上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用

4、学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日万方数据上海交通大学硕士学位论文GPU通用计算性能预测和优化摘要随着GPU在大规模数据并行计算中的广泛应用，GPGPU（General-Purp

5、oseGPU）程序的性能预测成为一个重要的研究课题。本文基于NVIDIAGPU和CUDA提出了两种GPU性能预测分析模型，分别为kernel性能的预测模型和混合编程性能预测模型。利用本文提出的性能预测模型，GPGPU开发者可以预测算法和程序的性能，并理解开发过程中性能因素的选择和影响。Kernel性能预测模型主要考虑了CUDAkernel在GPU上的指令执行过程。首先本文提出在CUDA指令执行模型下GPU理论上的最大指令吞吐量，然后在此基础上考虑影响GPGPU程序达到理论最大指令吞吐量的因素。在性能预测模型

6、的基础上，本文提出了模型的应用工作流程。混合编程性能预测模型主要考虑CPU和GPU异步执行下的性能预测。在这个预测模型下，kernel的执行被看作一个整体，因此和kernel性能预测模型之间是独立的。混合编程性能预测模型是通过考虑不同部分的执行时间之间的相互关系，使用了分类讨论的方法。最后本文验证了两种性能预测模型的有效性，并提出了将性能预测模型应用于GPGPU程序优化的具体方法。关键词：性能预测，GPU通用计算，CUDA,KPEM,HPPEMI万方数据上海交通大学硕士学位论文GPGPUPERFORMANC

7、EESTIMATIONAND OPTIMIZATIONABSTRACTInrecentyears,GPUhasbeenwidelyusedinlarge-scaledata-parallelcomputing.Asaresult,performanceestimationofGPGPU(GeneralPurposeGPU)programsbecomeahotresearchsubject.BasedonNVIDIAGPUandCUDA,thispaperpresentstwokindsofperforman

8、ceestimationmodel,respectivelyforCUDAkernelandheterogeneousprogramming,withwhichGPGPUdeveloperscanpredicttheperformanceofalgorithmsandunderstandtheimpactofdesignalternatives.Theperformanceestimationmodelofker