面向CUDA的循環(huán)語句源到源并行化研究.pdf

1、近年來,圖形處理單元(Graphics Processing Unit,GPU)被廣泛用于高性能計算。將GPU用于圖形渲染外的計算稱為GPU通用計算(General Purpose Computing on GPU, GPGPU)。傳統(tǒng)的GPGPU直接用圖形學API編程,開發(fā)難度大。統(tǒng)一計算設備架構(Compute Unified Device Architecture,CUDA)降低了在GPU上編寫并行程序的難度,目前已得到廣泛應用。

2、但開發(fā)人員在CUDA下手工開發(fā)并行程序需要深入了解GPU架構和CUDA模型,難度仍很大。所以降低并行程序的開發(fā)難度對于GPU通用計算的推廣應用十分重要。
　　本文研究GPU并行程序的自動生成問題,提出了一種面向CUDA的源到源并行化架構STS-CUDA。STS-CUDA可將帶循環(huán)的可并行化的串行C程序轉化為在GPU上并行的CUDA C程序,方便CUDA并行編程。STS-CUDA的工作過程為:先分析可并行化的串行C程序并在其適當位置

3、插入符合STS-CUDA規(guī)范的與并行轉化有關的指導語句;后通過STS-CUDA識別匹配這些指導語句,轉化成對應的CUDA C并行程序。文章研究了STS-CUDA實現(xiàn)并行轉化過程中涉及到的任務合理劃分、主機端-設備端通信優(yōu)化、全局存儲和共享存儲訪問優(yōu)化等方法,最后用實例進行了測試。
　　通過STS-CUDA轉化得到的兩組矩陣乘法并行化和一組BP算法并行化程序與手寫的CUDA并行程序在CUDA下執(zhí)行得到的結果相近,二者相對于串行程序的