| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 引言 | 第13-20页 |
| ·课题背景 | 第13-15页 |
| ·GPU 计算 | 第13-15页 |
| ·GPU 上加速稀疏线性系统 | 第15页 |
| ·相关工作 | 第15-16页 |
| ·面临的挑战 | 第16-17页 |
| ·本文研究内容和创新 | 第17-19页 |
| ·本文结构 | 第19-20页 |
| 第二章 GPU 和PQMRCGSTAB 算法 | 第20-28页 |
| ·NVIDIA GPU | 第20-23页 |
| ·GT200 体系结构 | 第20-21页 |
| ·编程模型 | 第21-23页 |
| ·AMD GPU | 第23-25页 |
| ·Radeon R700 体系结构 | 第23-24页 |
| ·编程模型 | 第24-25页 |
| ·PQMRCGSTAB 算法 | 第25-28页 |
| ·PQMRCGSTAB 算法介绍 | 第25-27页 |
| ·QMRCGSTAB 算法加速研究 | 第27-28页 |
| 第三章 PQMRCGSTAB 算法在单GPU 平台上的移植 | 第28-43页 |
| ·数据处理方法 | 第28-31页 |
| ·稀疏矩阵处理方法 | 第28-29页 |
| ·文中带状稀疏矩阵处理方法 | 第29-31页 |
| ·任务分配方法 | 第31-32页 |
| ·计算核心的划分方法 | 第32-34页 |
| ·计算核心启动开销统计方法 | 第32页 |
| ·计算核心开销对性能的影响 | 第32-33页 |
| ·计算核心划分方法 | 第33-34页 |
| ·归约操作在NVIDIA GPU 上的高效实现 | 第34-40页 |
| ·全在CPU 上实现的归约 | 第34-35页 |
| ·全在GPU 上实现的归约 | 第35-38页 |
| ·CPU+GPU 混合归约方法 | 第38-40页 |
| ·与平台相关的优化方法 | 第40-42页 |
| ·高速存储部件的利用 | 第40-42页 |
| ·数据结构的优化 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 PQMRCGSTAB 算法在多GPU 平台上的移植 | 第43-50页 |
| ·多GPU 加速技术 | 第43-46页 |
| ·SLI 技术介绍 | 第43-44页 |
| ·CrossFire 介绍 | 第44页 |
| ·相关研究 | 第44-46页 |
| ·多GPU 之间的数据共享 | 第46-49页 |
| ·任务分配 | 第46页 |
| ·数据共享 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 性能评测 | 第50-55页 |
| ·实验环境 | 第50-51页 |
| ·单GPU 平台上的测试结果 | 第51-52页 |
| ·NVIDIA GPU | 第51-52页 |
| ·AMD GPU | 第52页 |
| ·多GPU 平台上测试结果 | 第52-55页 |
| ·4 核CPU+NVIDIA S1070 性能 | 第53页 |
| ·2 核CPU+Radeon HD 4870 X2 性能 | 第53-54页 |
| ·通信开销统计 | 第54-55页 |
| 第六章 结束语 | 第55-57页 |
| ·工作总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 作者在读期间取得的学术成果 | 第61页 |
