计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2011年
3期
851-855
,共5页
图形处理器%LU分解%Laplace算法%统一计算设备架构%共享存储器
圖形處理器%LU分解%Laplace算法%統一計算設備架構%共享存儲器
도형처리기%LU분해%Laplace산법%통일계산설비가구%공향존저기
随着图形处理器(GPU)性能的大幅度提升以及可编程性的发展,已经有许多算法成功地移植到GPU上.LU分解和Laplace算法是科学计算的核心,但计算量往往很大,由此提出了一种在GPU上加速计算的方法.使用Nvidia公司的统一计算设备架构(CUDA)编程模型实现这两个算法,通过对CPU与GPU进行任务划分,同时利用GPU上的共享存储器提高数据访问速度,对GPU程序进行分支消除,并且对矩阵分段计算以达到加速计算的目的.实验结果表明,随着矩阵规模的增大,基于GPU的算法相对于基于CPU的算法具有良好的加速效果.
隨著圖形處理器(GPU)性能的大幅度提升以及可編程性的髮展,已經有許多算法成功地移植到GPU上.LU分解和Laplace算法是科學計算的覈心,但計算量往往很大,由此提齣瞭一種在GPU上加速計算的方法.使用Nvidia公司的統一計算設備架構(CUDA)編程模型實現這兩箇算法,通過對CPU與GPU進行任務劃分,同時利用GPU上的共享存儲器提高數據訪問速度,對GPU程序進行分支消除,併且對矩陣分段計算以達到加速計算的目的.實驗結果錶明,隨著矩陣規模的增大,基于GPU的算法相對于基于CPU的算法具有良好的加速效果.
수착도형처리기(GPU)성능적대폭도제승이급가편정성적발전,이경유허다산법성공지이식도GPU상.LU분해화Laplace산법시과학계산적핵심,단계산량왕왕흔대,유차제출료일충재GPU상가속계산적방법.사용Nvidia공사적통일계산설비가구(CUDA)편정모형실현저량개산법,통과대CPU여GPU진행임무화분,동시이용GPU상적공향존저기제고수거방문속도,대GPU정서진행분지소제,병차대구진분단계산이체도가속계산적목적.실험결과표명,수착구진규모적증대,기우GPU적산법상대우기우CPU적산법구유량호적가속효과.
