| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题研究背景 | 第11-13页 |
| 1.1.1 异构系统发展 | 第11页 |
| 1.1.2 异构系统存在的问题 | 第11-12页 |
| 1.1.3 多流编程机制 | 第12页 |
| 1.1.4 面向异构系统多流编程机制性能优化 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 多流编程机制理论研究 | 第13-14页 |
| 1.2.2 多流编程模型实现 | 第14-15页 |
| 1.2.3 异构系统程序性能自动调优 | 第15-16页 |
| 1.2.4 机器学习系统与方法 | 第16页 |
| 1.3 研究内容与意义 | 第16-19页 |
| 1.3.1 研究内容 | 第16-18页 |
| 1.3.2 研究意义 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第二章 面向CPU+MIC异构平台多流机制性能评估 | 第20-31页 |
| 2.1 多流机制研究现状 | 第20-21页 |
| 2.2 实验环境与测试程序 | 第21-24页 |
| 2.2.1 实验环境 | 第21-22页 |
| 2.2.2 测试程序 | 第22-24页 |
| 2.3 微测试程序测试多流机制 | 第24-26页 |
| 2.3.1 时间共享 | 第24-25页 |
| 2.3.2 空间共享 | 第25-26页 |
| 2.4 测试实际应用多流机制性能 | 第26-30页 |
| 2.4.1 单流与多流性能比较 | 第26-27页 |
| 2.4.2 性能影响因子分析 | 第27-29页 |
| 2.4.3 结论 | 第29-30页 |
| 2.5 多MIC性能测试 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 流化异构应用方法 | 第31-44页 |
| 3.1 应用是否值得流化 | 第31-37页 |
| 3.1.1 应用与输入数据集 | 第33页 |
| 3.1.2 实验环境 | 第33页 |
| 3.1.3 测试方法 | 第33-34页 |
| 3.1.4 实验结果分析 | 第34页 |
| 3.1.5 影响R值因素 | 第34-36页 |
| 3.1.6 结论 | 第36-37页 |
| 3.2 应用流化方法 | 第37-42页 |
| 3.2.1 应用分类 | 第37-39页 |
| 3.2.2 代码流化 | 第39-42页 |
| 3.3 实验结果 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于机器学习的多流程序性能自动调优 | 第44-59页 |
| 4.1 研究动机 | 第44-45页 |
| 4.2 机器学习相关 | 第45-47页 |
| 4.3 预测模型 | 第47-49页 |
| 4.3.1 程序特征选择 | 第47-48页 |
| 4.3.2 训练模型 | 第48-49页 |
| 4.3.3 预测数据 | 第49页 |
| 4.4 实验 | 第49-54页 |
| 4.4.1 实验环境 | 第49页 |
| 4.4.2 应用程序 | 第49-50页 |
| 4.4.3 实验过程 | 第50-54页 |
| 4.5 实验结果 | 第54-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者在学期间取得的学术成果 | 第66页 |