принципы адаптации вычислительных алгоритмов




Скачать 413.33 Kb.
Названиепринципы адаптации вычислительных алгоритмов
страница2/10
Дата22.10.2012
Размер413.33 Kb.
ТипДокументы
1   2   3   4   5   6   7   8   9   10

Введение


В последние годы интенсивное развитие получила специфическая отрасль высокопроизводительных вычислений – расчеты на системах с параллельными акселераторами, как дополнительными устройствами, принимающими на себя существенную часть вычислительной нагрузки работающего приложения. К таким устройствам относятся: программируемые логические схемы [1], сигнальные процессоры [2], графические акселераторы [3] и т.д.

Под графическими акселераторами, или GPU (Graphic Processor Unit)-устройствами, в данном случае подразумеваются современные графические адаптеры, которые по сути являются многопроцессорными системами SIMD-архитектуры с достаточно высокой (до 1 ТФлоп/с) пиковой производительностью (рис. 1).



Рис. 1. Динамика развития производительности графических акселераторов


По сравнению с традиционными архитектурами (например, кластерами), они обладают несопоставимо низкой характеристикой «цена/производительность», что стимулирует интерес к использованию GPU-устройств не только для обработки графической информации, но и для решения произвольных вычислительных задач [4]. В частности, к таким задачам относятся сортировки больших объемов данных [5], решения систем линейных уравнений [6], уравнений математической физики [7-9] и пр.

Параллельное программирование для GPU традиционно использует графический программный инструментарий, например, на основе библиотеки OpenGL [10] или DirectX [11]. Для удобства работы с ними применяются пакеты более высокого уровня, например, Gg [12], HLSL [13] и OpenGL Shading Language [14]. Однако реализация вычислительных задач общего плана требует использования более универсальных средств, облегчающих отображение задач различного типа на архитектуру GPU-устройств и позволяющих абстрагироваться от особенностей работы графических алгоритмов. Например, компанией nVidia разрабатывается набор библиотек CUDA SDK [15], предназначенный для использования вычислительных мощностей видеокарт и, в перспективе, специализированных ускорителей вычислений для решения вычислительных задач общего назначения. Кроме того, существует ряд проектов по разработке методов и средств, предназначенных для отображения вычислительных алгоритмов на GPU-устройства различных производителей, например, языки С$ [16] и OpenCL [17].

Несмотря на высокую производительность, вычислительные акселераторы на базе GPU являются специфическим классом многопроцессорных систем, характеризуемым существенными ограничениями на масштабируемость, использование памяти и управление данными и задачами. Потому представляет интерес изучение способов отображения различных типов вычислительных алгоритмов на GPU-архитектуру с целью выявления ключевых особенностей этого процесса и факторов, влияющих на получаемую производительность.

Целью данной работы является изучение ключевых особенностей отображения вычислительных алгоритмов на GPU-архитектуру, выявление ряда факторов, влияющих на получаемую производительность, и исследование их влияния.

Работа состоит из трех глав. В первой главе приводится описание архитектуры исследуемого графического акселератора и средств отображения вычислительных алгоритмов на данную архитектуру. В качестве примеров вычислительных алгоритмов, отображаемых на GPU-архитектуру, в данной работе были выбраны две задачи: задача параметрической аппроксимации функции двух переменных с использованием метода случайного поиска [18] и задача выделения ключевых точек на изображении при помощи алгоритма Scale-invariant feature transform (SIFT) [19, 20]. Описание этих алгоритмов также приводится в первой главе. Во второй главе описываются способы отображения исследуемых алгоритмов на архитектуру GPU-устройства. В третьей главе производится анализ результатов отображения этих алгоритмов на исследуемую архитектуру.

    В результате выполнения данной работы были предложены и реализованы различные варианты адаптации алгоритма параметрической аппроксимации спектров климатического волнения методом случайного поиска и всех этапов алгоритма поиска ключевых точек SIFT к архитектуре графических акселераторов. Был проведен анализ параллельной производительности предложенных способов адаптации и сделаны выводы о целесообразности использования графических акселераторов для решения данных задач. Также было исследовано влияние различных аспектов, характерных для исследуемой архитектуры, на получаемую производительность и предложен ряд практических рекомендаций, касающихся эффективности отображения вычислительных задач на архитектуру графических акселераторов.

Результаты данной работы были представлены на конференции «Параллельные вычислительные технологии»-2008 и «Конференции молодых ученых»-2008 и -2009 и опубликованы в трудах конференции ПаВТ-2008 [21] и «Научно-техническом вестнике СПб ГУ ИТМО» [22].
1   2   3   4   5   6   7   8   9   10

Похожие:

принципы адаптации вычислительных алгоритмов iconпринципы адаптации вычислительных алгоритмов к архитектуре графических акселераторов
Целью работы является изучение ключевых особенностей отображения вычислительных алгоритмов на gpu -архитектуру, выявление ряда факторов,...
принципы адаптации вычислительных алгоритмов iconЗадача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10
Принципы адаптации вычислительных алгоритмов под параллельную архитектуру графических акселераторов
принципы адаптации вычислительных алгоритмов iconОсобенности адаптации вычислительных алгоритмов под параллельную архитектуру графических акселераторов
В работе обсуждаются вопросы отображения вычислительных алгоритмов на параллельную архитектуру gpu-акселератора. В качестве примера...
принципы адаптации вычислительных алгоритмов iconПрограмма вступительного экзамена в магистратуру по направлению подготовки 231000. 68 «Программная инженерия»
...
принципы адаптации вычислительных алгоритмов icon1. цели и задачи дисциплины, ее место в учебном процессе согласно гос впо в дисциплину «Вычислительные системы, сети и телекоммуникации» должно включаться
Вычислительных машин: общие принципы построения и архитектуры вычислительных машин, информационно-логические основы вычислительных...
принципы адаптации вычислительных алгоритмов iconАлгоритмы
Основы алгоритмизации. Понятие об алгоритме. Применение алгоритмов. Свойства алгоритмов. Типы алгоритмов: линейные, циклические,...
принципы адаптации вычислительных алгоритмов iconСодержание, основные понятия
Понятие алгоритма, свойства алгоритмов. Использование алгоритмов, система команд исполнителя. Способы записей алгоритмов. Формальное...
принципы адаптации вычислительных алгоритмов iconОглавление 4
Архитектура графических акселераторов, средства отображения на них вычислительных алгоритмов и исследуемые алгоритмы 10
принципы адаптации вычислительных алгоритмов iconБилет №4
Понятие алгоритма: свойства алгоритмов, исполнители алгоритмов. Автоматическое исполнение алгоритма. Способы описания алгоритмов....
принципы адаптации вычислительных алгоритмов iconТическая логика и теория алгоритмов
Темпоральные логики высказываний линейного времени и вычислительных деревьев: их синтаксис и семантика
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница