ParaC:面向GPU平台的图像处理领域的编程框架
GPGPU加速器是当前提高图像处理算法性能的主流加速平台,但在GPGPU平台上,同一个程序充分利用硬件体系结构特征和软件特征的优化版本与简单实现版本在性能上会有数量级的差异.GPGPU加速器具有多维多层的大量执行线程和层次化存储体系结构,后者的不同层次具有不同的容量、带宽、延迟和访问权限.同时,图像处理应用程序具有复杂的计算操作、边界处理规则和数据访问特性.因此,任务的并发执行模式、线程的组织方式和并发任务到设备的映射不仅影响到程序的并发度、调度、通信和同步等特性,而且也会影响到访存的带宽、延迟等.因此,GPGPU平台上的程序优化是一个困难、复杂且效率较低的过程.提出基于语言扩展的领域编程模型:ParaC.ParaC编程环境利用高层语言扩展描述的程序语义信息,自动分析获取应用程序的操作信息、并发任务间的数据重用信息和访存信息等程序特征,同时结合硬件平台特征,利用基于领域先验知识驱动的编译优化模型自动生成GPGPU平台上的优化代码,最后,利用源源变换编译器生成标准OpenCL程序.在测试用例上的实验结果表明,ParaC在GPGPU平台上自动生成的优化版本相对于手工优化版本的加速比最高达到3.22倍,但代码行数只是后者的1.2％～39.68％.
图像处理、通用GPU加速器、领域编程语言、编译优化、源源变换
28
TP314(计算技术、计算机技术)
国家自然科学基金61432018,61402445,61502452,61602443,61432018;国家重点研发计划2016YFB1000402;数学工程与先进计算国家重点实验室开放基金2016A03;北京市科委计划D161100001216002National Natural Science Foundation of China61432018,61402445,61502452,61602443,61432018;National Key R&D Program of China2016YFB1000402;State Key Laboratory of Mathematical Engineering and Advanced Computing Open Foundation2016A03;Beijing Municipal Science & Technology Commission ProgramD161100001216002
2017-07-31（万方平台首次上网日期，不代表论文的发表时间）
共21页
1655-1675
