基于图形处理器通用计算模式.docVIP

基于图形处理器通用计算模式 　　摘 要：针对GPU图形处理的特点，分析其应用于通用计算的并行处理机制和数据映射，提出了一种GPU通用计算模式的映射机制和一般性设计方法，并针对GPU的吞吐量、数据流处理能力和基本数学运算能力等进行性能测试，为GPU通用计算的算法设计、实现和性能优化提供参考依据。 　　关键词：图形处理器； 通用计算； 图形流水线 　　中图分类号：TP311.52文献标志码：A 　　文章编号：1001-3695(2009)06-2356-03 　　doi:10.3969/j.issn.1001-3695.2009.06.107 　　 　　Computing model of general-purpose computation on GPU 　　WANG Lei??1, ZHANG Chun-yan??2 　　(1.Institute of Information Engineering, PLA Information Engineering University, Zhengzhou 450002, China; 2.College of Information Science Engineering, Industry University of Henan ,Zhengzhou 450052, China) 　　Abstract: 　　In view of the GPU graph processing characteristic, this paper analyzed parallel processing mechanism and the data mapping to apply in the general computation, put forward mapping mechanisms and general design method of GPGPU computation model, and tested the throughput, data processing capacity and basic mathematics computing ability etc, provided reference for performance optimization of algorithm design and implementation. 　　Key words：graphics processor unit(GPU); general purpose computation; graphic pipeline 　　 　　随着科学计算可视化、医疗图像、虚拟现实等学科的发展和娱乐产业的推动，高性能计算领域和计算机图形领域应用越来越紧密地结合起来[1]。图形处理器（GPU）是为图像处理进行了高度优化的专用处理器。例如NVIDIA GeForce 7600 GT拥有超过1.7亿个晶体管，具有控制电路简单、片上缓存少等特点，且大量晶体管用于专用的图形处理电路模块和多条并行图形处理流水线。GPU核心浮点运算性能与CPU相比有很大优势，且发展速度已远远超过摩尔定律，平均每6个月性能翻一倍[2]。 　　??GPU通用计算[3]（general-purpose computation on GPU，GPGPU）主要涉及将图形处理器用于图形绘制以外的科学计算，如几何计算、碰撞检测、运动规划、代数运算、优化计算、偏微分方程及数值求解等[4~6]。目前众多研究成果表明，GPU在解决计算密集型问题上与CPU相比有很大优势。 　　?ツ壳霸?GPU上实现通用计算仍存在诸多问题。首先，GPU专为图像处理而设计，在针对GPU的算法设计与实现中存在CPU与GPU的操作映射，以及通用计算与图形计算概念映射等问题。传统的图像应用编程接口将GPU抽象成一个包括纹理、三角形和像素在内的图像绘制器[1]。在实际应用中，难以利用这些基本元素进行通用算法设计。其次，图形应用程序具有数据密集、高度并行、控制简单、多阶段执行以及前馈流水线等特征，针对CPU的并行算法和编程模式难以直接在GPU上利用可编程硬件实现。最后，文献[7,8]中指出GPU在复杂3D场景绘制等方面的性能指标并不能够完全体现GPU通用计算的性能。因此，一方面需要针对算法在GPU上的实现进行数据重组织，并映射到基本的图形处理元素中，同时利用GPU中并行流水线机制对算法进行设计与优化。另外，需要针对GPU在通用计算算法设计与实现方面提出相应的性能优化策略。 　　 　　1 GPU通用计算模式 　　 　　??GPU的并行处理能力主要体现在三个方面：顶点处理器（vertex shader）、片段处理器（fragme