CPU―OpenMP和GPU―CUDA并行计算技术对矩阵乘法运算加速效果分析.docVIP

CPU―OpenMP和GPU―CUDA并行计算技术对矩阵乘法运算加速效果分析 　　【摘 要】本文对比了CPU-OpenMP和GPU-CUDA并行计算技术对不同阶矩阵乘法运算相对于CPU单线程计算的加速效果。结果表明，CPU-OpenMP并行的计算加速比与矩阵阶数无关，且低于所采用的线程数目。GPU-CUDA并行的计算加速比随矩阵阶数的增加显著增加，最大计算加速比可达570倍以上。相对于CPU单线程计算结果，CPU-OpenMP并行计算未产生误差，而GPU-CUDA并行计算会产生误差。结果表明，GPU-CUDA并行适合高阶数矩阵乘法的加速计算，而CPU-OpenMP并行适合低阶数矩阵乘法的加速计算。 　　【关键词】矩阵乘法；并行计算；CPU-OpenMP；GPU-CUDA 　　中图分类号： TP391 文献标识码： A 文章编号： 2095-2457（2017）26-0045-003 　　Accelerating Effect Analysis of Matrix Multiplication with CPU-OpenMP and GPU-CUDA Parallel Computing 　　ZHANG Yan 　　（Beijing Normal University Affiliated High School West High School Class 1， Beijing 100042，China） 　　【Abstract】This paper compares the accelerating effects of CPU-OpenMP and GPU-CUDA parallel computing on the computation of different-order matrix multiplication over CPU single-thread. The results show that the computational speedup of CPU-OpenMP parallelism is independent of matrix order and lower than the number of threads used. GPU-CUDA parallel computing speedup ratio increases significantly with the increase of the matrix order， the maximum computational speedup up to 570 times. Relative to the CPU single-thread calculations， CPU-OpenMP parallel computing did not produce errors， and GPU-CUDA parallel computing will produce errors. The results show that GPU-CUDA parallel is suitable for accelerated computing of high-order matrix multiplication， while CPU-OpenMP parallel is suitable for accelerated computing of low-order matrix multiplication. 　　【Key words】Matrix multiplication； Parallel computing； CPU-OpenMP； GPU-CUDA 　　0 前言 　　在信息化技?g不断发展的今天，人们处在“大数据”时代。由于数据量巨大，普通的串行计算方式计算效率低下，无法满足人们对数据进行快速处理的需求。因此，如何能够提高计算机处理“大数据”的计算效率已成为人们日益关注的话题。为了减少计算时间、提升计算效率，并行计算的出现成为解决上述问题的有效方法。与普通的串行计算相比，并行计算将计算任务分配到计算机的多个处理器协同处理，从而提高计算效率。 　　随着并行计算结果的发展，并行算法也逐渐成熟。目前，人们采用的并行计算技术大致可能分为两种：一是基于CPU（Central Processing Unit）多核多线程的并行计算；二是基于GPU（Graphics Processing Unit）的通用并行计算。对于CPU并行计算，根据并行粒度的不同可分为“共享式内存结构”和 “分布式内存结构”[1]。对于“共享式内存结构”的并行计算，OpenMP（Open Multi-Processing）作为该类型计算技术的代表，已