GPU Warp调度算法优化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 集成电路概述与发展 | 第13-14页 |
| 1.1.2 多核处理器 | 第14-15页 |
| 1.1.3 GPU的发展 | 第15-17页 |
| 1.2 相关技术 | 第17-23页 |
| 1.2.1 GPGPU技术 | 第17-18页 |
| 1.2.2 GPU多线程并行 | 第18页 |
| 1.2.3 CUDA编程模型 | 第18-22页 |
| 1.2.4 GPU Warp调度 | 第22-23页 |
| 1.3 论文的主要内容和论文结构 | 第23-24页 |
| 1.3.1 论文的主要内容 | 第23-24页 |
| 1.3.2 论文结构 | 第24页 |
| 1.4 课题来源 | 第24-25页 |
| 第二章 Warp调度算法 | 第25-37页 |
| 2.1 典型Warp调度算法 | 第25-28页 |
| 2.1.1 轮训调度算法 | 第25-26页 |
| 2.1.2 贪婪调度算法 | 第26-27页 |
| 2.1.3 分区调度算法 | 第27-28页 |
| 2.2 Warp调度算法中的关键问题 | 第28-31页 |
| 2.2.1 片外访存等长延迟操作 | 第28-29页 |
| 2.2.2 分支操作 | 第29-30页 |
| 2.2.3 资源限制 | 第30-31页 |
| 2.2.4 局部性问题 | 第31页 |
| 2.3 Warp调度算法仿真平台 | 第31-36页 |
| 2.3.1 GPGPU-Sim简介 | 第31-33页 |
| 2.3.2 GPGPU-Sim仿真架构 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于贪婪算法的两级调度策略 | 第37-56页 |
| 3.1 两级调度策略 | 第37-39页 |
| 3.1.1 两级调度介绍 | 第37-38页 |
| 3.1.2 两级调度中的分组大小 | 第38-39页 |
| 3.2 贪婪调度算法的选择 | 第39-42页 |
| 3.2.1 几种贪婪调度算法的比较 | 第39-41页 |
| 3.2.2 贪婪调度算法与轮训调度算法的比较 | 第41-42页 |
| 3.3 贪婪算法与两级调度的结合 | 第42-44页 |
| 3.3.1 基于贪婪算法的两级调度策略 | 第42-43页 |
| 3.3.2 与基于轮训算法的两级调度策略对比 | 第43-44页 |
| 3.4 调度算法性能比较 | 第44-47页 |
| 3.5 调度算法实现 | 第47-55页 |
| 3.5.1 GPU架构实现 | 第47-50页 |
| 3.5.2 计算核心流水线结构 | 第50-52页 |
| 3.5.3 基于贪婪算法的两级调度策略实现 | 第52-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 仿真验证与性能分析 | 第56-69页 |
| 4.1 仿真验证平台 | 第56-59页 |
| 4.1.1 仿真验证平台仿真精度 | 第56-57页 |
| 4.1.2 CUDA程序在仿真器上的执行 | 第57-58页 |
| 4.1.3 仿真数据输出 | 第58-59页 |
| 4.2 基准测试程序 | 第59-62页 |
| 4.2.1 基准测试程序介绍 | 第59-60页 |
| 4.2.2 基准测试程序指令分类 | 第60-62页 |
| 4.2.3 Warp线程使用率 | 第62页 |
| 4.3 Warp调度算法性能分析 | 第62-68页 |
| 4.3.1 整体性能分析 | 第62-66页 |
| 4.3.2 Warp调度算法对缓存命中率影响 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 总结 | 第69页 |
| 5.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间的项目和成果 | 第75-76页 |
| 致谢 | 第76-78页 |
