摘要：GPU已经成为具有高并发高内存带宽的通用协处理器，但是GPU与CPU在体系结构和编程模型上存在很大差异，导致CPU-GPU异构计算系统的编程复杂度提高，即使采用统一计算设备架构(CUDA)提供的kernel并发技术和多流技术也较难充分控制和利用GPU上的计算资源，难以有效地处理不规则的并行应用问题.为从体系结构角度探索GPU硬件支持的页锁定内存和统一虚拟地址空间等特征，该文提出了CPU辅助任务调度管理下的基于线程池技术的GPU任务并行计算模型CAGTP，实现了CPU-GPU异构计算系统上的共享内存式程序设计.提出并设计了CPU端的任务队列、计算线程块级任务调度器、任务槽和GPU端的任务复用kernel函数等机制，实现了CPU与GPU间的高效细粒度任务交互，避免了原生CUDA程序中多次启停kernel函数的开销，有效地支持了GPU上的细粒度不规则并行任务计算，而且利用模型API接口函数能够降低CPU-GPU异构计算系统的编程难度.实验结果表明，CAGTP模型中任务调度的开销是kernel函数调用的5%，有效提升了通用矩阵乘、乔列斯基分解和K均值、T近邻等典型线性代数和机器学习算法的计算性能；CAGTP模型易于扩展使用多块GPU，且在性能差异较大的多个GPU之间达到负载均衡，能够高效求解混合任务和具有不规则并行性的应用问题.
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库 > 数学文摘
关键词：异构计算系统 统一计算设备架构 线程池 任务并行 任务复用函数
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
