基于GPU技术的并行运算应用研究
| 目录 | 第1-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题背景 | 第11-15页 |
| ·论文研究的主要内容及面临的挑战 | 第15-16页 |
| ·本文结构 | 第16-18页 |
| 第二章 GPU 体系结构和 CUDA 编程模型 | 第18-39页 |
| ·NVIDIA GPU 系统结构特点 | 第18-21页 |
| ·GT200 体系结构 | 第19-20页 |
| ·Fermi 体系结构 | 第20-21页 |
| ·CUDA 编程模型 | 第21-29页 |
| ·CUDA 的构成 | 第21-22页 |
| ·CUDA 运算的调用说明 | 第22-24页 |
| ·CUDA 存储结构介绍 | 第24-27页 |
| ·CUDA 并行执行的层次说明 | 第27页 |
| ·CUDA 计算核心介绍 | 第27-28页 |
| ·CUDA 编程模型的常规优化方法 | 第28-29页 |
| ·CUDA 算法设计 | 第29-34页 |
| ·CUDA 模式下算法计算任务划分 | 第29-30页 |
| ·CUDA 模式下算法计算核心划分 | 第30-31页 |
| ·CUDA 算法的维度设计 | 第31-33页 |
| ·CUDA 并行模块构建 | 第33-34页 |
| ·CUDA 算法优化 | 第34-38页 |
| ·并行执行单元线程的切换优化 | 第34-35页 |
| ·合并访问对访存操作的优化设计 | 第35-36页 |
| ·GPU 计算资源利用率优化 | 第36-37页 |
| ·CUDA 模式下算法并发操作的执行优化 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 CUDA 模式下 DES 算法优化实现 | 第39-58页 |
| ·DES 算法介绍 | 第39-45页 |
| ·DES 算法并行实现面临的主要问题和优化策略 | 第45-47页 |
| ·DES 算法实现的瓶颈问题 | 第45-46页 |
| ·DES 算法实现的优化策略 | 第46-47页 |
| ·DES 算法并行实现和执行优化 | 第47-57页 |
| ·DES 算法计算任务划分 | 第47-48页 |
| ·DES 算法计算核心划分 | 第48-49页 |
| ·DES 算法并行规约运算优化 | 第49-51页 |
| ·DES 算法分支操作优化 | 第51-53页 |
| ·DES 算法 shared memory 优化 | 第53-55页 |
| ·DES 算法流优化 | 第55-56页 |
| ·DES 算法中主机与设备之间的数据通信优化 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 性能评测 | 第58-67页 |
| ·实验环境 | 第58-59页 |
| ·循环移位运算的测试结果 | 第59-60页 |
| ·异或运算的测试结果 | 第60-61页 |
| ·迭代运算的测试结果 | 第61-62页 |
| ·异步执行的测试结果 | 第62-63页 |
| ·循环控制语句优化的测试结果 | 第63-64页 |
| ·DES 加密运算的优化结果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 结束语 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者在读期间取得的学术成果 | 第73页 |
