APU异构计算论文总结

已于 2022-07-15 17:08:41 修改
阅读量863 收藏
点赞数
分类专栏： 异构计算 文章标签： 硬件架构
于 2022-07-10 20:33:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43707223/article/details/125709830
版权

目录


链接：Accelerated Processing Unit(APU) Potential N-body simulation case study论文总结

Accelerated Processing Unit(APU) Potential N-body simulation case study

摘要

  • 研究加速处理单元（APU）加速不规则/规则算法的效果
  • 具体的方向是研究APU对于具有不规则的数据结构（如树）的应用程序的潜力，同时获取到APU与CPU共享功率和带宽资源
  • 确定了APU可以被视为比GPU更便宜的解决方案的情况
  • 使用两种不同实现的宇宙学N体模拟作为规则和不规则算法的案例研究
  • 结论是在所有进行的测试中，GPU比APU更强大

引言

  • 并行应用程序分为并行部分和串行部分
  • GPU执行并行部分，CPU执行串行部分和内存传输
  • GPU安装在（外围组件互连快速）PCIe总线上时，程序的性能会受到CPU和GPU之间数据传输的限制
  • 因此引入将CPU和GPU融合在同一芯片上的APU，降低数据传输成本
  • 但是当CPU处理计算密集型任务时，APU与CPU会共享一些资源，比如内存带宽和功耗，可能导致性能变差
  • 离散GPU需要单独的内存空间以及CPU和GPU之间移动数据开销，显著增加功率消耗，但APU不会有这个问题
  • GPU对于控制规则、数据密集的算法效果很好，但是现实问题会涉及稀疏数据和基于指针的复杂数据结构，这也是本文的研究方向

主体

因为个人主要关注论文中关于APU的部分，所以略过宇宙学模拟的算法

  • 递归方法不适用于GPU，因为指针访问内存操作会通过执行大量非协调内存访问（即内存访问序列化）而降低性能
  • GPU使用迭代树结构，APU使用SPC树结构（这里的树结构就是不规则数据结构）
  • 先在CPU（Intel Core i7-4790）上测试BH算法，然后分别在GPU和APU（Intel HD 5500）上测试BH算法
  • 再用常规（暴力）算法测试，没有CPU串行实现。GPU和APU（Intel HD 4600）的测试与BH算法类似，但这一次CPU（APU里面的）被密集的算术工作负载占用，以测试CPU繁忙时对APU性能的影响
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

结论

  • GPU在所有情况下都优于集成APU
  • APU显示出一些较小数据集的潜力
  • APU就较低的消耗而言，它的性能对于其他一些应用程序来说是可以接受的
  • 降低运算强度，以及使用本地内存和设备的最大WG大小，使APU的性能比原始实现提高了94.6%
leukocyten
关注
专栏目录
【笔记】HEFT——面向异构计算的高性能、低复杂度任务调度
qq_57084274的博客
08-19 4725
应用程序调度问题已经被证明是一个NP完备问题。本文提出了两种算法：（1）异构最早完成时间HEFT算法在每个步骤中选择具有最高向上排名值(upward rank value)的任务，并将所选任务分配给处理器，从而通过基于插入的方法最小化其最早的完成时间。（2）处理器上的关键路径CPOP算法CPOP通过向上和向下排名值的总和来确定任务的优先级。另一个区别在处理器选择阶段，该阶段将关键任务安排到处理器上，从而最大限度减少关键任务的总执行时间。调度算法在调度的质量和成本方面。
GPU相关——《异构众核系统综述》
Time-s_up
12-10 2433
       该篇论文由西交大的巨涛、朱正东、董小社所写。他们首先从不同方面分析对比了当前不同异构系统的特点，揭示了异构众核系统相对传统多核并行系统的优势及其发展趋势。然后分析了异构系统编程模型以及性能优化的研究现状、所存在的问题和面临的挑战，提出了进一步的研究方向。接着对GPU 和MIC两种异构系统进行性能测试，验证了两种异构系统不同的应用特点，为用户选择具体异构系统提供参考。最后作者提出了将G...
异构计算 文章
iamtaoyu的专栏
06-05 5431
从桌面到移动：异构计算翻天覆地的技术变革 http://www.csdn.net/article/2014-07-10/2820610-heterogeneous-computing-in-mobile/1
异构计算系列文章（一）：定义、场景及局限性
ZILLIZ
03-16 1110
作者 | 顾钧 2020 开年，ZILLIZ 与 InfoQ 筹备了以异构计算为专题的一系列文章。此篇文章作为异构计算专题的开篇，整体性的介绍了异构计算的定义、场景与局限性。在后续的专题文章中，我们将深入不同的 AI 应用场景进一步解释异构计算的优势。 诞生伊始，计算机处理能力就处于高速发展中。及至最近十年，随着大数据、区块链、AI 等新技术的持续火爆，人们为提升计算处理速度更是发展了...
【CUDA】学习笔记(3）论文笔记：并行异构计算机调研
记录和分享也是一种学习
03-17 1371
发表在CCF期刊上的一篇论文《Parallel programming models for heterogeneous many‐cores: a comprehensive survey》，对当前并行编程模型技术做了一个综合的调查和介绍。这篇文章能够帮助理解异构计算现状以及未来的发展方向。阅读笔记如下： 介绍 通过主CPU和加速器和协处理器（如：GPG- PUs, XeonPhis, FPGAs, DSPs and NPUs）的组合，形成多个异构架构，这种有架构可以提供计算平台的性能，降低功耗。这种
异构型实例科普---我眼中的异构计算
零度的博客
02-24 3640
author：pasca time：2018/01/27 文章目录摘要一、传统计算的困境二、异构计算的崛起三、”厨房论“异构计算GPU：手脚麻利但是比较笨的帮厨FPGA: 功能多变的万能料理机ASIC：最强订制料理机四、总结 摘要 本文旨在梳理及加深自身对于异构计算的理解，同时希望能为科普异构计算实例，让读者了解异构计算的基本概念和其中不同异构计算方案的侧重点。 一、传统计算的困境 广为流传的摩尔...
什么是异构计算
lanzhizhuxia的专栏
08-29 7122
异构计算的英文名称是Heterogeneous computing，主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式。常见的计算单元类别包括CPU、GPU等协处理器、DSP、ASIC、FPGA等。我们常说的并行计算正是异构计算中的重要组成部分异构计算近年来得到更多关注，主要是因为通过提升CPU时钟频率和内核数量而提高计算能力的传统方式遇到了散热和能耗瓶颈。而与此同时，GPU等专用计
从零开始学习OpenCL开发（一）架构
热门推荐
leon
05-03 12万+
多谢大家关注 转载本文请注明：http://blog.csdn.net/leonwei/article/details/8880012   本文将作为我《从零开始做OpenCL开发》系列文章的第一篇。   1 异构计算、GPGPU与OpenCL   OpenCL是当前一个通用的由很多公司和组织共同发起的多CPU\GPU\其他芯片 异构计算（heterogeneous）的标准，它是跨平台的
多核操作系统中的线程调度与性能优化
0计算机科学博士论文0多核操作系统中的线程调度0如何理解、改进和修复您的调度程序0Redha GOUICEM0巴黎第六大学计算机实验室InriaWhisper团队0博士答辩：2020年10月23日，法国巴黎0评审委员会成员：0Pascal Felber...
剖析虚幻渲染体系（16）- 图形驱动的秘密
xuhss_com的博客
06-26 2006
目录* 16.1 本篇概述 + 16.1.1 本篇内容 + 16.1.2 设备驱动概述 + 16.1.3 图形驱动概述迄今为止，博主在博客中阐述的内容包含图形API、GPU、游戏引擎、Shader、渲染技术、性能优化等等技术范畴内容，但似乎还未涉及图形驱动的内幕。本篇将站在应用层开发者的视角，去阐述图形驱动的相关技术内幕（如果是驱动开发者，则博主不认为是目标读者），主要包含但不限于以下内容：要给“驱动”一词下一个准确的定义是一个挑战。从最基本的意义上讲，驱动程序是一个软件组件，它允许操作系统和设备相互通信。
一种基于OpenCL的高能效并行KNN算法及其GPU验证.pdf
09-25
【OpenCL】OpenCL，全称为Open Computing Language，是一种开放标准的并行编程框架，用于跨平台、异构计算，特别是在高性能计算和图形处理领域。它允许开发者编写可移植的代码，能够在各种不同架构上运行，包括CPU、...
cpu和gpu已过时，npu和apu的时代开始
振华OPPO的博客世界
07-25 2万+
🌎CPU是中央处理器。其实就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。CPU的结构主要包括运算器（ALU，ArithmeticandLogicUnit）、控制单元（CU,ControlUnit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线（BUS）。🌏GPU一般指图形处理器，又称为显示芯片、视觉处理器，是一种专门在个人电脑和一些移动设备上做图像和图形相关运算工作的微处理器。...
Accelerated processing unit
weixin_30369041的博客
11-20 115
http://en.wikipedia.org/wiki/Accelerated_processing_unit Accelerated processing unit From Wikipedia, the free encyclopedia This articleneeds additional citations forverifica...
异构计算综述
OpenFPGA的博客
12-31 1万+
异构计算（Heterogeneous computing）异构计算（Heterogeneous computing）技术从80年代中期产生，由于它能经济有效地获取高性能计算能力、可扩展性好...
APU(Accelerated Processing Unit)中文名字叫加速处理器
autumn20080101的专栏
12-22 871
APU(Accelerated Processing Unit)中文名字叫加速处理器，是AMD“融聚未来”理念的产品，它第一次将中央处理器和独显核心做在一个晶片上，它同时具有高性能处理器和最新独立显卡的处理性能，支持DX11游戏和最新应用的“加速运算”，大幅提升了电脑运行效率，实现了CPU与GPU真正的融合。2011年1月，AMD推出了一款革命性的产品AMD APU，是AMD Fusion
异构计算（一）
weixin_43773327的博客
08-21 2692
1、什么是异构 随着计算向多元化发展，越来越多的场景开始引入CPU、DSP、GPU、ASIC、FPGA等多种不同计算单元来进行加速计算，由此，异构计算应运而生。异构计算的核心点在于“异构”二字，说白了就是用不同制程架构、不同指令集、不同功能的硬件组合起来解决问题，这就是异构计算。 Tips：异构计算的百科定义：异构计算是一种特殊形式的并行和分布式计算，它或是用能同时支持simd方式和mimd方式的单个独立计算机，或是用由高速网络互连的一组独立计算机来完成计算任务。它能协调地使用性能、结构各异地机器以满足
OpenCL优化应用项目
噌胥苑——行思驿站
08-15 5976
OpenCL优化应用项目 1、计算机视觉相关 基于局部域考察的图像模糊化算法的加速实现（表面模糊，高斯模糊）图像模糊化 图像模糊化算法的特点是根据被考察点的局部域特征对被考察点的颜色进行调整，由于各被考察点的局部域相对独立，这类算法比较适合于用GPU进行优化，我们通过OpenCL并行编程，并行处理各图像点的局部域，能将图像模糊化的速度提高5倍以上。 基于Haar  Casc
Hive数仓操作（九）
最新发布
m0_58076578的博客
10-02 821
HQL语法基本上与传统的SQL一致，包括SELECT、FROM、WHERE、GROUP BY、HAVING、ORDER BY和LIMIT等关键步骤。
基于MNIST数据集的分类器设计_MNIST_Classifier.zip
10-01
基于MNIST数据集的分类器设计_MNIST_Classifier
OpenCL编程指南：异构计算与性能优化
异构计算是指利用不同类型的处理器（如CPU、GPU、FPGA、APU等）协同工作来解决复杂的计算任务，这种计算模型能够充分利用各种硬件的优势，提高系统性能和能效。 《Heterogeneous Computing with OpenCL》一书深入...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值