多核平臺(tái)計(jì)算機(jī)視覺(jué)應(yīng)用并行優(yōu)化關(guān)鍵技術(shù)研究.pdf

1、多核體系結(jié)構(gòu)是計(jì)算機(jī)發(fā)展歷史上的重大轉(zhuǎn)變，在傳統(tǒng)的通過(guò)頻率提升來(lái)提高處理器性能的方法遇到巨大困難的情況下，人們開(kāi)始轉(zhuǎn)向在相對(duì)低的主頻下，通過(guò)提高半導(dǎo)體的密度，集成更多處理單元來(lái)提供計(jì)算能力的持續(xù)提升，以滿(mǎn)足計(jì)算機(jī)視覺(jué)等新興的萬(wàn)億級(jí)別RMS(Tera-Scaled Recognition，Mining，Synthesis)應(yīng)用的計(jì)算需求。近年來(lái)，多核和眾核體系的快速發(fā)展和廣泛應(yīng)用為此類(lèi)應(yīng)用的實(shí)時(shí)實(shí)現(xiàn)提供了硬件基礎(chǔ)和可能。不過(guò)，由于必須通過(guò)

2、并行的方式才能獲得對(duì)硬件計(jì)算能力的有效利用，如何有效地發(fā)掘可用的程序并行性到可用的硬件并行性的最佳映射，成為了多核和眾核體系平臺(tái)下計(jì)算機(jī)視覺(jué)應(yīng)用開(kāi)發(fā)面臨的一個(gè)關(guān)鍵挑戰(zhàn)。本文以車(chē)輛輔助駕駛系統(tǒng)中車(chē)輛識(shí)別算法這一核心的計(jì)算機(jī)視覺(jué)應(yīng)用的并行化研究為背景，從應(yīng)用模型和負(fù)載分析入手，研究了此類(lèi)應(yīng)用的計(jì)算特性，識(shí)別出此類(lèi)應(yīng)用并行優(yōu)化中需要滿(mǎn)足的三個(gè)關(guān)鍵能力需求;總結(jié)了六種關(guān)鍵的數(shù)據(jù)并行模式;并且提出:在領(lǐng)域知識(shí)的指導(dǎo)下，結(jié)合先驗(yàn)的并行策略，基于實(shí)時(shí)

3、負(fù)載特性、硬件特性的動(dòng)、靜態(tài)結(jié)合的并行優(yōu)化是針對(duì)上面問(wèn)題的一個(gè)比較理想的解決思路。本文具體工作內(nèi)容如下:
　　首先，針對(duì)并行性的抽象和表達(dá)技術(shù)，本文在TStreams模型的基礎(chǔ)上，通過(guò)引入組成(Composition)關(guān)系、等價(jià)(Equivalence)關(guān)系和特性權(quán)重(Character Weight)的概念，提出了一個(gè)改進(jìn)的TStreams并行計(jì)算模型?？梢砸砸恢碌男问綄?duì)包括數(shù)據(jù)并行性、任務(wù)并行性、流水線(xiàn)并行性等在內(nèi)的各種算法并

4、行性的抽象表達(dá)提供方便的支持;同時(shí)，該模型還將作為算法和硬件交互的公共“交流語(yǔ)言”，在后續(xù)并行優(yōu)化過(guò)程中，有效地支持多層次、多粒度的并行性發(fā)掘。
　　其次，針對(duì)并行性發(fā)掘技術(shù)，本文引入了面向計(jì)算機(jī)視覺(jué)應(yīng)用的領(lǐng)域編程語(yǔ)言(DSL)用以描述算法特性以及優(yōu)化過(guò)程中可適用的優(yōu)化規(guī)則。優(yōu)化規(guī)則是領(lǐng)域知識(shí)的抽象，針對(duì)特定函數(shù)給出的優(yōu)化規(guī)則描述了該函數(shù)各種可能的變形實(shí)現(xiàn)。本文引入了編譯驅(qū)動(dòng)的自動(dòng)優(yōu)化工具，可根據(jù)優(yōu)化規(guī)則描述，構(gòu)造算法并行優(yōu)化的解

5、空間，并以半自動(dòng)化的方式查找最適合的并行優(yōu)化候選解空間。由此，可將并行優(yōu)化工作中復(fù)雜、繁瑣的優(yōu)化“決策”工作轉(zhuǎn)化為目標(biāo)算法和多核、眾核平臺(tái)的可用并行性和算法領(lǐng)域知識(shí)規(guī)則的“描述”工作，極大地降低了并行優(yōu)化的難度，提高了并行優(yōu)化的效率。
　　第三，針對(duì)動(dòng)態(tài)任務(wù)調(diào)度技術(shù)，本文引入了面向特性權(quán)重的運(yùn)行時(shí)環(huán)境的概念。運(yùn)行時(shí)環(huán)境根據(jù)實(shí)時(shí)輸入數(shù)據(jù)，利用目標(biāo)程序的擴(kuò)展TStreams模型表示中的組成關(guān)系和特性權(quán)重信息，從自動(dòng)優(yōu)化工具生成的候選解

6、空間中動(dòng)態(tài)選擇合適的優(yōu)化算法，并進(jìn)行底層優(yōu)化，以獲得局域性好、并行度高、負(fù)載均衡的動(dòng)態(tài)調(diào)度。
　　最后，本文將上述研究成果綜合在一起，以工具和運(yùn)行時(shí)庫(kù)(Runtime Library)的形式提供了一個(gè)動(dòng)靜態(tài)結(jié)合的，針對(duì)計(jì)算機(jī)視覺(jué)應(yīng)用的半自動(dòng)并行優(yōu)化框架原型（FAPOF, Feature Awared Parallel Optimization Framework），并應(yīng)用于面向輔助駕駛系統(tǒng)(DAS)的車(chē)輛識(shí)別算法的并行優(yōu)化過(guò)程中，