整套解决方案：ParaC：GPU平台图像处理领域的编程框架

ISSN 1000-9825，CODEN RUXUEW电子邮件：软件学报，[doi：10.13328 / ki.jos.005241]©中国科学院软件研究所。电话：+ 86-10 -62562563 ParaC：用于GPU平台的图像处理领域中的编程框架陆行静1,2，刘磊1，贾海鹏1，冯小冰1，吴成刚1 1（计算技术研究所建筑国家重点实验室，中国科学院北京100190)2（中国科学院院，北京100049)通讯作者：陆兴静，电子信箱：摘要：GPGPU正在提高当前主流图像处理算法的性能但是，在GPGPU平台上，相同的程序是一个加速平台，该优化版本将充分利用硬件体系结构和软件功能，而与简单实现版本相比，性能将有数量级的差异。分层的大量执行线程和分层存储体系结构，后者在不同级别具有不同级别的容量，带宽，延迟和访问权限。同时，图像处理应用程序具有复杂的计算操作，边界处理规则和数据访问特性。

因此，任务的并发执行模式，线程的组织以及并发任务到设备的映射不仅影响程序的并发性，调度，通信和同步，而且还影响内存访问的带宽和延迟。 。 。因此，GPGPU平台上的程序优化是一个困难，复杂和低效的过程。本文提出了一种基于语言扩展的领域编程模型：ParaC。 ParaC编程环境使用高级语言来扩展程序语义信息的描述，自动分析并获取应用程序的操作信息，并发任务之间的数据重用信息以及程序功能（例如内存访问信息）。同时，它结合了硬件平台的特性，并使用基于领域的先验知识来驱动。编译的优化模型在GPGPU平台上自动生成优化的代码。最后，源到源转换编译器用于生成标准的OpenCL程序。本文在测试用例上的实验结果表明，相对于手动优化版本，由ParaC在GPGPU平台上自动生成的优化版本的加速比高达3.22倍，但是代码行数仅为1.后者的2％。 39.68％。关键词：图像算法通用GPU;领域编程语言；编译优化；源到源的转换。中国图像方法分类号：TP311 ParaC：GPU上图像处理的域编程框架陆兴静1,2，刘磊1，贾海鹏1，冯小兵1，吴承刚1 1（中国科学院计算技术研究所计算机体系结构国家重点实验室，北京100190)2（中国科学院院，北京100049)摘要：图像处理算法以GPU为主要但是，天真的实现和高度优化之间的性能差异...

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-328571-1.html