理解峰值浮点性能运算.PDFVIP

理解峰值浮點性能運算 作者：Michael Parker / Altera首席 DSP 產品規劃經理 DSP 、GPU 和FPGA 被用來當作很多CPU 的加速器，在性能和功率效益方面具有優勢。考慮 到運算架構的多樣性，設計人員需要一種統一的方法來對比性能和功率效益 ，被認可的方法 是測量每秒浮點運算次數(FLOP) 。 按照 IEEE 754 標準，FLOP 被定義為單精確度(32 位元)或者雙精度(64 位元)的數字加法或者 乘法。所有更高階函數，例如除法、平方根和三角函數運算，都可以使用加法器和乘法器來 建構。所有這些運算功能，以及其他常用的函數，例如快速傅立葉轉換(FFT)和矩陣運算等， 都需要加法器和乘法器，在所有這些架構中，加法器和乘法器一般都是 1:1 。 讓我們看一下我們如何根據其峰值 FLOPS 來對比 DSP 、GPU 和 FPGA 架構的性能。在最大 運作頻率下，透過加法器和乘法器運算的總和來確定峰值FLOPS 比。這代表了運算的理論極 限，不過在實際應用中很難達到 ，因為一般不可能實現在所有時間、所有運算單元上都保持 運行的演算法 ，但它還是提供了實用的對比指標。 首先，我們考慮 DSP GFLOPS 性能。對此，我們選擇德州儀器(TI)的 TMS320C667x DSP 做 為實例元件。這一個DSP 包括了 8 個DSP 核心 ，每一個核心含有兩個處理子系統。每一個子 系統包括 4 個單精確度浮點加法器和 4 個單精確度浮點乘法器 ，總共有 64 個加法器和 64 個 乘法器。最快的能夠運行在 1.25 GHz ，峰值性能達到160 GigaFLOPs (GFLOPs) 。 圖一 TMS320C667x DSP 架構 GPU 是非常流行的元件，特別是影像處理應用。功能最強大的一種 GPU 是 NVIDIA Tesla K20 。這一個GPU 採用 CUDA 核心 ，每一個都有一個浮點乘法加法單元，在單精確度浮點配 Copyright © 2015 eMedia Asia Ltd. 電子工程專輯網站()所有內容均受版權保護 置時 ，每個時脈週期能夠執行一次。每個串流多重處理器(SMX)處理引擎中有 192 個 CUDA 核心 。K20 實際上含有 15 個 SMX ，能夠使用其中的13 個(例如，由於製程良率問題) 。如此 一來 ，總共有2,496 個CUDA 核心 ，每一個時脈週期為2 FLOP ，最大運行頻率是706 MHz 。 因此 ，峰值單精確度浮點性能達到了3,520 GFLOP 。 圖二 GP-GPU 架構 Altera 等 FPGA 供應商現在在其 FPGA 中提供了硬式核心浮點引擎。在整個可程式化邏輯結 構中，嵌入的硬式核心DSP 模組中含有一個單精確度浮點乘法器和加法器。Altera 中階Arria 10 FPGA 系列的中等規模FPGA 中有一款 10AX066 ，這個元件有 1,678 個DSP 模組，每個都 能夠在每一個時脈週期中執行 2 FLOP ，因此每一個時脈週期可達到 3,376 FLOP 。額定速率 450 MHz(對應於浮點模式；定點模式時會更高)時，這將可實現 1,520 GFLOP 。 以相似的方式進行運算，Altera 宣佈在高階 Stratix 10 FPGA 中提高了時脈速率，而且元件規 模更大，提供更多的 DSP 運算資源，單精確度性能高達 10,000 GFLOP ，也就是10 TeraFLOP 。 使用 FPGA 的可程式化邏輯總是能夠在 FPGA 中實現浮點常式，而且，採用可程式化邏輯架 構的浮點功能，可以實現任意精度，不會受到業界標準單精確度和雙精度的限制。例如， Altera 提供幾種不同級別的浮點精度 ，但是，並不太容易確定使用了可程式化邏輯的某一個 FPGA 的峰值浮點性能。 Copyright © 2015 eMedia Asia Ltd. 電子工程專輯網站()所有內容均受版權保護 因此，Altera FPGA 的峰值浮點速率只是依據硬式核心浮點引擎的性