發(fā)布時(shí)間：2024-06-02 06:20

　　近年來(lái),海量多源異構(gòu)數(shù)據(jù)急劇增長(zhǎng),數(shù)據(jù)表現(xiàn)形式變得更加復(fù)雜。數(shù)據(jù)規(guī)模的不斷增大,使得傳統(tǒng)CPU硬件平臺(tái)的存儲(chǔ)和計(jì)算能力遠(yuǎn)不能滿足應(yīng)用需求。GPU的出現(xiàn)可使這些問(wèn)題在一定程度上得到解決,但對(duì)于GPU底層硬件而言,很難實(shí)現(xiàn)全局同步操作。圖數(shù)據(jù)具有靈活、強(qiáng)大的表示能力,圖匹配作為圖上的一種基本操作,被廣泛應(yīng)用于各個(gè)領(lǐng)域。研究基于GPU眾核平臺(tái)上的線程同步及高效、精準(zhǔn)的圖匹配方法,具有重要的理論研究意義及實(shí)際應(yīng)用價(jià)值。本文基于GPU眾核平臺(tái),研究線程塊間的寬松同步機(jī)制以及不同評(píng)價(jià)標(biāo)準(zhǔn)下的圖匹配方法,主要的研究?jī)?nèi)容如下:(1)GPU上線程塊間同步問(wèn)題的研究。目前GPU上線程塊間的同步操作主要借助CPU實(shí)現(xiàn),大量CPU與GPU之間數(shù)據(jù)的傳輸,使得此方法效率較低,不能滿足某些對(duì)時(shí)間要求較嚴(yán)格的實(shí)際應(yīng)用的需求。本文針對(duì)該問(wèn)題,提出了一種基于信號(hào)量的GPU設(shè)備上的寬松同步機(jī)制,旨在實(shí)現(xiàn)GPU上線程塊間的直接同步操作,可減少CPU與GPU之間頻繁的數(shù)據(jù)傳輸,提升整體計(jì)算效率。實(shí)驗(yàn)中針對(duì)單源最短路徑,驗(yàn)證了該寬松同步機(jī)制的有效性。(2)基于圖編輯距離評(píng)價(jià)的圖匹配方法研究。在明晰圖編輯距離與置換矩陣的基礎(chǔ)上,...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2CPU與GPU架構(gòu)對(duì)比圖

ectX10GPU的出現(xiàn)，使得通用計(jì)算圖形)開(kāi)始被較多的科研工作者應(yīng)用。但GPGPU編程性低；序開(kāi)發(fā)難度大。兩處弊端，傳統(tǒng)的GPGPU未能被開(kāi)發(fā)人點(diǎn)，提高其可用性，在一些研究學(xué)者的基礎(chǔ)計(jì)算設(shè)備架構(gòu)編程模型(即CUDA)，旨在充

圖2-3grid,block與thread三者之間關(guān)系圖

該block被劃分成大小為32的線程調(diào)度單元。因此，在實(shí)際編程過(guò)程中，線程塊中線程的個(gè)數(shù)推薦使用32的倍數(shù)，以便更高效的利用資源。GPU線程以grid的形式組織，每個(gè)grid中包含若干線程塊，即SMs。同一block中的眾多thread具有相同的指....

圖2-5未經(jīng)過(guò)轉(zhuǎn)置的矩陣乘法運(yùn)算的部分線程分布圖

Cache命中失效。對(duì)后者矩陣進(jìn)行轉(zhuǎn)置，可解決上述問(wèn)題lano[36]研究發(fā)現(xiàn)在同一block中的所有線程，若相鄰的線程能夠依順序連續(xù)讀取物理內(nèi)存上相鄰位置的數(shù)值，則GPU上讀取內(nèi)存數(shù)大減少。在CUDA應(yīng)用程序中，block中的線程分布如圖2-5所示需要讀取矩....

圖2-6經(jīng)轉(zhuǎn)置之后的矩陣乘法運(yùn)算的部分線程分布圖

涉及到的與圖相關(guān)的幾個(gè)定義，又闡述GPU硬件平臺(tái)，GPU上U上并行計(jì)算的映射方式做了簡(jiǎn)單

本文編號(hào)：3986979