高性能低能耗GPGPU计算技术研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 缩略语 | 第18-19页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 GPU高性能计算简介 | 第19-23页 |
| 1.1.1 GPU高性能计算研究分类 | 第21-23页 |
| 1.2 GPU高性能计算软硬件平台介绍 | 第23-25页 |
| 1.2.1 GPU硬件体系结构 | 第23-24页 |
| 1.2.2 GPU编程模型及软件开发平台 | 第24-25页 |
| 1.3 研究内容和创新点 | 第25-27页 |
| 1.4 国内外研究现状 | 第27-31页 |
| 1.4.1 高能效GPU新架构研究 | 第27-28页 |
| 1.4.2 GPU上的不规则应用及负载均衡研究 | 第28-29页 |
| 1.4.3 GPU上的图算法及图处理系统研究 | 第29-31页 |
| 1.5 论文的组织和结构 | 第31-33页 |
| 第二章 高能效GPU处理器架构Buddy SM | 第33-57页 |
| 2.1 研究背景及简介 | 第33-35页 |
| 2.2 GPU前端介绍 | 第35-37页 |
| 2.2.1 前端的构成 | 第35-37页 |
| 2.2.2 指令发射机制 | 第37页 |
| 2.3 Buddy SM架构 | 第37-45页 |
| 2.3.1 架构总览 | 第37-38页 |
| 2.3.2 指令发射 | 第38-39页 |
| 2.3.3 统一线程块分配 | 第39页 |
| 2.3.4 建立共享 | 第39-40页 |
| 2.3.5 解除共享 | 第40-42页 |
| 2.3.6 重建共享 | 第42页 |
| 2.3.7 共享群的通信 | 第42-44页 |
| 2.3.8 自适应共享群 | 第44-45页 |
| 2.4 实验方法 | 第45-50页 |
| 2.4.1 模拟器配置 | 第45-46页 |
| 2.4.2 功率和面积的开销 | 第46-47页 |
| 2.4.3 测试集 | 第47-50页 |
| 2.5 实验结果和分析 | 第50-55页 |
| 2.5.1 共享时间百分比 | 第50-51页 |
| 2.5.2 重建共享策略的比较 | 第51页 |
| 2.5.3 自适应共享群方法的性能评估 | 第51-52页 |
| 2.5.4 Buddy SM的影响 | 第52-53页 |
| 2.5.5 性能比较 | 第53-54页 |
| 2.5.6 前端的节能 | 第54-55页 |
| 2.5.7 整个GPU的节能 | 第55页 |
| 2.6 本章小结 | 第55-57页 |
| 第三章 高性能GPU系统软件CUIRRE | 第57-85页 |
| 3.1 研究背景及简介 | 第57-58页 |
| 3.2 不规则循环和线程级负载不均衡 | 第58-61页 |
| 3.2.1 不规则应用的特征化 | 第59-60页 |
| 3.2.2 GPU资源利用率 | 第60-61页 |
| 3.3 线程级负载均衡的任务池方法 | 第61-66页 |
| 3.3.1 任务池方法简介 | 第61-62页 |
| 3.3.2 任务池方法的GPU实现 | 第62-63页 |
| 3.3.3 自适应负载因子方法 | 第63-66页 |
| 3.4 CUIRRE库 | 第66-71页 |
| 3.4.1 负载均衡模块 | 第67-68页 |
| 3.4.2 诊断模块 | 第68-70页 |
| 3.4.3 特征化模块 | 第70页 |
| 3.4.4 CUIRRE库的应用 | 第70-71页 |
| 3.5 应用集 | 第71-74页 |
| 3.5.1 测试应用 | 第72页 |
| 3.5.2 真实应用 | 第72-74页 |
| 3.6 实验方法 | 第74-77页 |
| 3.6.1 硬软件配置 | 第74-75页 |
| 3.6.2 其它负载均衡方法 | 第75-76页 |
| 3.6.3 测试过程 | 第76页 |
| 3.6.4 性能指标 | 第76页 |
| 3.6.5 开销测量 | 第76-77页 |
| 3.7 实验结果及分析 | 第77-84页 |
| 3.7.1 应用的特征化 | 第77-79页 |
| 3.7.2 负载均衡方法性能比较 | 第79-81页 |
| 3.7.3 自适应负载因子方法的性能评估 | 第81-84页 |
| 3.8 本章小结 | 第84-85页 |
| 第四章 高性能GPU应用GGraph | 第85-103页 |
| 4.1 研究背景及简介 | 第85-87页 |
| 4.2 CPU和GPU异构系统上的图处理 | 第87-90页 |
| 4.2.1 图算法 | 第87-88页 |
| 4.2.2 图的表示 | 第88页 |
| 4.2.3 计算模型 | 第88-89页 |
| 4.2.4 磁盘的I/O特性 | 第89-90页 |
| 4.3 GGraph平台的架构 | 第90-95页 |
| 4.3.1 图数据的存储 | 第90-91页 |
| 4.3.2 读写模块 | 第91-92页 |
| 4.3.3 分图模块 | 第92-94页 |
| 4.3.4 消息管理模块 | 第94页 |
| 4.3.5 内存管理模块 | 第94-95页 |
| 4.4 实验方法 | 第95-98页 |
| 4.4.1 图算法 | 第95-96页 |
| 4.4.2 软件和实验配置 | 第96页 |
| 4.4.3 硬件平台 | 第96-97页 |
| 4.4.4 测试图数据集 | 第97页 |
| 4.4.5 性能指标 | 第97-98页 |
| 4.5 实验结果及分析 | 第98-101页 |
| 4.5.1 自适应负载均衡方法的评测 | 第98-99页 |
| 4.5.2 可扩展性评测 | 第99页 |
| 4.5.3 所有平台的性能比较 | 第99-100页 |
| 4.5.4 运行不同算法的性能比较 | 第100页 |
| 4.5.5 所有平台的能效比较 | 第100-101页 |
| 4.6 本章小结 | 第101-103页 |
| 第五章 总结与展望 | 第103-105页 |
| 5.1 本文工作总结 | 第103-104页 |
| 5.2 后续研究方向 | 第104-105页 |
| 参考文献 | 第105-121页 |
| 致谢 | 第121-123页 |
| 攻读博士期间发表、录用和完成的学术论文目录 | 第123-124页 |
