面向CUDA程序的线程放置优化策略研究

摘要

cqvip:GPU具备强大的数据并行处理与浮点计算能力,因而被越来越广泛地应用于数值模拟和科学计算等领域。提高GPU上程序开发效率以及程序的性能就显得尤为重要,线程放置策略是其中重要的一环。本文在程序信息基础上,使用机器学习算法建立了CUDA程序线程放置优化模型。本文首先在运行时信息采集环节做了改进,只保留了其中与程序性能相关的核心信息。接着,提出并实现了基于LLVM的静态信息替代运行时信息的方法,进一步降低了信息采集环节的时间。此外,提出了全新的设置标签算法。综合上述改进,最终确定了采用支持向量机算法、借助网格搜索方法择优的模型。本文在公开程序集上选择与已有模型在同等条件下展开测试,结果表明本文的模型比现有模型在时间上更具优势,并获得了更高的训练准确率。