基于OpenCL的均值平移算法在多个众核平台的性能优化的研究.pdfVIP

基于OpenCL 的均值平移算法 在多个众核平台的性能优化研究 1,3 1,2 1 1,4 1,2,3 庞旭 张云泉 龙国平 贾海鹏 颜深根 1( 中国科学院 软件研究所 并行软件与计算科学实验室，北京 100190) 2( 中国科学院 软件研究所 计算机科学国家重点实验室，北京 100190) 3( 中国科学院 研究生院，北京 100190) 4( 中国海洋大学 信息科学与工程学院，青岛 266100) 摘 要 OpenCL 作为一种面向多种平台、通用目的的编程标准，已经对许多应用程序进行了加速。由于平台硬件和软件环境的差异， 通用的优化方法不一定在所有平台都有很好的加速。本文通过对均值平移算法在GPU 和APU 平台的优化，探讨了不同平台各种优化 方法的贡献力，一方面研究各个平台的计算特性，一方面体会不同优化方法的优劣，在优劣的相互转化中，寻求最优的解决方案。 实验表明，优化后的算法在AMD GPU 平台、NVIDIA CUDA 平台和APU 平台分别达到了9.68、5.74 和 1.27 倍加速，相比串行程序达 到79.73、93.88 和2.22 倍加速，前两个平台相比CUDA 版本的OpenCV 程序达到1.27 和1.24 倍加速。 关键词 GPU ，APU ，OpenCL ，均值平移算法 Research on Mean Shift Algorithm Using OpenCL on Multiple Many-core Platforms Pang Xu 1,3 Zhang Yun-quan1,2 Long Guo-ping 1 Jia Hai-peng 1,4 Yan Shen-gen1,2,3 1(Laboratory of Parallel Software and Computation al Science, Institute of Software, Chinese Academy of Science, Beijing 100190, China) 2(State Key Laboratory of Computing Science, Institute of Software, Chinese Academy of Science, Beijing 100190, China) 3(Graduate University, Chinese Academy of Science, Beijing 100190, China) 4(School of Information Science and Technology, The Ocean University of China, Qingdao 266100, China) Abstract As a general-purpose programming standard for multiple platforms, OpenCL has accelerated many applications. Due to the differences of different platforms in hardware and software environment s, general optimization methods may not accelerate the application well for all. Taking the optimization of the mean shift algorithm on GPU and APU platforms as an example, the paper provided severa