| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-24页 |
| ·研究背景 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·本文研究内容 | 第17-20页 |
| ·GPU性能优化指导模型 | 第18-19页 |
| ·非规则应用在GPU上的实现与优化 | 第19-20页 |
| ·本文主要贡献与创新 | 第20-21页 |
| ·本文组织结构 | 第21-24页 |
| 2 GPU体系架构与编程模型 | 第24-38页 |
| ·GPU与CPU架构的区别 | 第24-25页 |
| ·当前主流GPU体系架构 | 第25-31页 |
| ·NVIDIA Fermi架构 | 第25-28页 |
| ·AMD Cypress架构 | 第28-29页 |
| ·两种架构的异同 | 第29-31页 |
| ·GPU编程模型 | 第31-35页 |
| ·CUDA编程模型 | 第31-32页 |
| ·OpenCL：跨平台的异构编程模型 | 第32-35页 |
| ·GPU程序性能优化分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 3 GPURoofline：一个可视化的GPU性能优化指导模型 | 第38-66页 |
| ·计算密集型kernel与访存密集型kernel | 第39-41页 |
| ·性能优化链 | 第41-55页 |
| ·绝对性能优化链 | 第42-49页 |
| ·相对性能优化链 | 第49-55页 |
| ·数据本地化 | 第55-58页 |
| ·GPURoofline：可视化性能优化指导模型 | 第58-63页 |
| ·初始模型 | 第59-60页 |
| ·完整性能模型的构建 | 第60-63页 |
| ·性能优化指导原则 | 第63页 |
| ·本章小结 | 第63-66页 |
| 4 GPURoofline模型应用 | 第66-88页 |
| ·实验环境的搭建 | 第66-68页 |
| ·矩阵转置算法 | 第68-72页 |
| ·算法概述 | 第68页 |
| ·算法优化 | 第68-71页 |
| ·性能分析 | 第71-72页 |
| ·图像拉普拉斯变换算法 | 第72-79页 |
| ·算法概述 | 第73-74页 |
| ·算法优化 | 第74-77页 |
| ·性能分析 | 第77-79页 |
| ·图像积分图算法 | 第79-86页 |
| ·算法概述 | 第79-80页 |
| ·算法优化 | 第80-85页 |
| ·性能分析 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 5 Viola-Jones人脸检测算法在GPU上的实现与优化 | 第88-114页 |
| ·Viola-Jones人脸检测算法介绍 | 第89-95页 |
| ·Haar特征值 | 第90-92页 |
| ·Adaboost训练分类器 | 第92-94页 |
| ·级联分类器应用 | 第94-95页 |
| ·并行性分析 | 第95-98页 |
| ·三级并行性 | 第95-96页 |
| ·负载不均衡分析 | 第96-98页 |
| ·性能优化 | 第98-106页 |
| ·粗粒度并行 | 第98-100页 |
| ·Uberkernel | 第100-101页 |
| ·Persist Thread | 第101-103页 |
| ·本地队列 | 第103-105页 |
| ·全局队列 | 第105-106页 |
| ·其他优化方法 | 第106页 |
| ·性能结果与分析 | 第106-112页 |
| ·实验平台的搭建 | 第107-108页 |
| ·正确性验证 | 第108-109页 |
| ·性能结果与分析 | 第109-112页 |
| ·本章小结 | 第112-114页 |
| 6 结论与展望 | 第114-118页 |
| ·本文工作总结 | 第114-115页 |
| ·研究展望 | 第115-118页 |
| 参考文献 | 第118-126页 |
| 致谢 | 第126-128页 |
| 个人简历 | 第128-129页 |
| 读博期间发表的学术论文 | 第129-130页 |
| 参与的科研项目 | 第130页 |