| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 众核体系架构 | 第10-11页 |
| 1.1.2 算法优化研究的意义 | 第11-13页 |
| 1.2 研究内容和主要工作 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-16页 |
| 第二章 国内外相关工作研究现状 | 第16-24页 |
| 2.1 众核体系架构介绍 | 第16-18页 |
| 2.1.1 AMD Cypress 架构 | 第16-17页 |
| 2.1.2 AMD GCN 架构 | 第17页 |
| 2.1.3 NviDIA SIMT 架构 | 第17-18页 |
| 2.1.4 AMD APU 架构 | 第18页 |
| 2.2 OPENCL 编程模型及对应的众核体系架构 | 第18-21页 |
| 2.2.1 平台模型 | 第19页 |
| 2.2.2 执行模型 | 第19-20页 |
| 2.2.3 内存模型 | 第20-21页 |
| 2.2.4 编程模型 | 第21页 |
| 2.3 国内外研究现状 | 第21-24页 |
| 第三章 众核体系下算法优化的若干技术研究 | 第24-45页 |
| 3.1 算法介绍 | 第24-28页 |
| 3.1.1 基本矩阵运算 Exp 和 Log 算法[9] | 第24-25页 |
| 3.1.2 图像重映射算法[9] | 第25-27页 |
| 3.1.3 Kmeans 算法[9] | 第27-28页 |
| 3.2 通用优化技术 | 第28-34页 |
| 3.2.1 存储层次优化 | 第28-30页 |
| 3.2.2 向量化指令优化 | 第30页 |
| 3.2.3 线程组织 NDRange 优化 | 第30-31页 |
| 3.2.4 OpenCL 内存对象优化 | 第31-32页 |
| 3.2.5 内核函数指令流优化 | 第32-33页 |
| 3.2.6 通用优化方法总结 | 第33-34页 |
| 3.3 迭代类算法的实现与优化 | 第34-45页 |
| 3.3.1 算法分析与 Kernel 的划分 | 第34-35页 |
| 3.3.2 Kernel 的分步骤实现 | 第35-37页 |
| 3.3.3 规约过程在 GPU 上的实现 | 第37-38页 |
| 3.3.4 全局同步在 GPU 上的实现 | 第38-39页 |
| 3.3.5 Kernel 的整合 | 第39页 |
| 3.3.6 含有多次全局同步的迭代算法在 GPU 中的实现方法 | 第39-41页 |
| 3.3.7 冗余计算减少全局同步次数 | 第41-42页 |
| 3.3.8 线程任务的再分配 | 第42-43页 |
| 3.3.9 局部内存(local memory)的重用 | 第43-44页 |
| 3.3.10 迭代算法优化小结 | 第44-45页 |
| 第四章 算法优化的性能分析 | 第45-57页 |
| 4.1 测试平台及测试方法的介绍 | 第45-46页 |
| 4.2 EXP 和 LOG 的性能分析 | 第46-47页 |
| 4.3 图像重映射算法（REMAP）的性能分析[27] | 第47-52页 |
| 4.3.1 不同优化方法对性能的影响 | 第47-50页 |
| 4.3.2 整体性能比较 | 第50-52页 |
| 4.4 KMEANS 算法的性能分析 | 第52-55页 |
| 4.5 性能分析小结 | 第55-57页 |
| 第五章 工作总结和展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-64页 |
| 个人简历 | 第64-65页 |
| 发表论文目录 | 第65-66页 |
| 参与的科研项目 | 第66-67页 |
