计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
z1期
549-552
,共4页
周伟%戴宗友%袁广林%陈萍
週偉%戴宗友%袁廣林%陳萍
주위%대종우%원엄림%진평
GPU%协同计算%Jacobi方法%奇异值分解
GPU%協同計算%Jacobi方法%奇異值分解
GPU%협동계산%Jacobi방법%기이치분해
GPU%Collaborative computing%Jacobi%SVD
在目标跟踪应用中,常常采用奇异值分解(SVD)作为基本工具进行动态建库.然而当每秒处理的数据量较大、计算精度要求较高对,SVD的计算耗时往往无法满足应用的实时性能要求.针对这一问题,提出了CPU-GPU协同计算的并行奇异值分解方法.该方法利用GPU与CPU间的异步执行,对奇异值分解过程进行划分从而构造软件流水线,大大挖掘软硬件的并行性.实验表明,该方法比一般的基于GPU的Jacobi方法有约23%的性能提升.相对于CPU上的Intel MKL的奇异值分解函数获得了6.8x的加速比,满足了应用中的实时性能要求.
在目標跟蹤應用中,常常採用奇異值分解(SVD)作為基本工具進行動態建庫.然而噹每秒處理的數據量較大、計算精度要求較高對,SVD的計算耗時往往無法滿足應用的實時性能要求.針對這一問題,提齣瞭CPU-GPU協同計算的併行奇異值分解方法.該方法利用GPU與CPU間的異步執行,對奇異值分解過程進行劃分從而構造軟件流水線,大大挖掘軟硬件的併行性.實驗錶明,該方法比一般的基于GPU的Jacobi方法有約23%的性能提升.相對于CPU上的Intel MKL的奇異值分解函數穫得瞭6.8x的加速比,滿足瞭應用中的實時性能要求.
재목표근종응용중,상상채용기이치분해(SVD)작위기본공구진행동태건고.연이당매초처리적수거량교대、계산정도요구교고대,SVD적계산모시왕왕무법만족응용적실시성능요구.침대저일문제,제출료CPU-GPU협동계산적병행기이치분해방법.해방법이용GPU여CPU간적이보집행,대기이치분해과정진행화분종이구조연건류수선,대대알굴연경건적병행성.실험표명,해방법비일반적기우GPU적Jacobi방법유약23%적성능제승.상대우CPU상적Intel MKL적기이치분해함수획득료6.8x적가속비,만족료응용중적실시성능요구.