典型圖像處理算法在Xeon Phi平臺(tái)上的實(shí)現(xiàn)與優(yōu)化技術(shù)研究.pdf

1、隨著異構(gòu)平臺(tái)的興起，高性能計(jì)算領(lǐng)域獲得快速的發(fā)展?；贑PU+GPU的異構(gòu)平臺(tái)在以生物信息學(xué)、醫(yī)學(xué)成像和計(jì)算流體力學(xué)等為代表的諸多領(lǐng)域獲得廣泛應(yīng)用。但是，CPU和GPU使用不同指令集和編程模型，對(duì)程序編程優(yōu)化有較高要求。Intel于2012年推出了基于眾核架構(gòu)的Xeon Phi協(xié)處理器，兼容傳統(tǒng) x86編程模型和特性，某種程度上降低了程序編程優(yōu)化的難度。Xeon Phi集成50個(gè)以上的x86輕量核，每個(gè)核支持4個(gè)硬件線程和512位 SI

2、MD向量處理，因而具有強(qiáng)大的并行處理能力。目前，使用Xeon Phi進(jìn)行算法優(yōu)化加速的研究尚處于起步階段。
　　本文面向典型圖像處理算法在Xeon Phi平臺(tái)上的實(shí)現(xiàn)與加速展開(kāi)研究。圖像處理算法對(duì)計(jì)算性能需求較高，具有數(shù)據(jù)量大和較高實(shí)時(shí)性的特點(diǎn)。本文選取了兩個(gè)代表性算法作為研究實(shí)例，分別是2D IDCT算法和3D GVF場(chǎng)算法。
　　本文主要工作包括：
　?。?）在Xeon Phi平臺(tái)上實(shí)現(xiàn)2D IDCT及相關(guān)優(yōu)化。首

3、先依據(jù)行列分離計(jì)算原理串行實(shí)現(xiàn)2D IDCT，以此作為后續(xù)優(yōu)化的性能基準(zhǔn)，然后采用512位 SIMD和OpenMP對(duì)串行2D IDCT進(jìn)行向量化和線程擴(kuò)展，最后進(jìn)行數(shù)據(jù)預(yù)取優(yōu)化。實(shí)驗(yàn)結(jié)果表明，對(duì)單精度圖像格式，相比未向量化版本，向量化處理可獲得約5.84倍的性能加速，且算法性能隨線程擴(kuò)展近似線性增加；使用數(shù)據(jù)預(yù)取優(yōu)化可在已有優(yōu)化基礎(chǔ)上再獲得約1.24的性能加速。綜合來(lái)說(shuō)，優(yōu)化后的2D IDCT算法在Xeon Phi上的最好性能相比在一顆

4、E5-2670 CPU上的最好性能有約1.53倍的加速比。
　?。?）在Xeon Phi平臺(tái)上實(shí)現(xiàn)3D GVF場(chǎng)計(jì)算及相關(guān)3D GVF場(chǎng)優(yōu)化。除討論向量化和線程擴(kuò)展等通用優(yōu)化外，側(cè)重在模板計(jì)算優(yōu)化對(duì)計(jì)算性能的影響，提出一種有效的循環(huán)分塊優(yōu)化策略，有效提高了緩存利用率。實(shí)驗(yàn)結(jié)果表明，對(duì)雙精度圖像格式，經(jīng)線程擴(kuò)展和向量化能顯著提升3D GVF場(chǎng)運(yùn)算性能，通過(guò)提出的分塊優(yōu)化策略，在問(wèn)題規(guī)模為256?256?256和512?512?512

5、時(shí)，3D GVF在Xeon Phi上的計(jì)算性能在相比于在一顆E5-2670 CPU上的性能分別有約1.78和2.77的加速比。
　　（3）歸納總結(jié)圖像處理算法在Xeon Phi平臺(tái)上的優(yōu)化規(guī)律，整理出有指導(dǎo)意義的優(yōu)化技術(shù)，方便后續(xù)其他圖像處理算法的優(yōu)化。一般而言，對(duì)計(jì)算密集型的算法，直接采用諸如向量化和線程擴(kuò)展等通用優(yōu)化技術(shù)可獲得不錯(cuò)的性能提升；對(duì)計(jì)算訪存比較低的圖像處理算法，需要考慮提高緩存的利用效率，本文提出的循環(huán)分塊策略即是