图形处理单元

摘要： 针对相位干涉仪测向系统对于大量高速实时信号的处理需求,设计了基于图形处理单元(graphic processing unit, GPU)的频域互相关(简称为FX)鉴相算法,完成了相应的并行程序设计,进行了实时数据的测试验证。为充分发挥GPU强大的浮点运算能力和并行数据处理能力,将涉及大量并行高速数据计算的核心鉴相算法加载在GPU中,实现了高速并行数据的相关处理和相位提取;利用中央处理器(central processing unit, CPU)完成了数据调度、分发和简单的数据处理功能。实验测试结果表明,在较好地保证鉴相精度的条件下,本文设计的基于GPU的鉴相算法,其数据处理速度是基于CPU平台的140倍左右,鉴相速度明显提升,较为圆满地实现了实时性、可靠性和准确性的设计初衷。

摘要： 为了提升中央处理单元(CPU)和图形处理单元(GPU)协同检测网络入侵的性能,提出了一种具有数据包有效载荷长度约束的CPU/GPU混合模式匹配算法(LHPMA);在分析CPU/GPU混合模式匹配算法(HPMA)的基础上,设计了长度约束分离算法(LBSA)对传入数据包进行提前分类;当传入数据包加载到CPU之前,LBSA根据有效载荷长度约束减少有效载荷长度的多样性;长度超过约束的数据包直接分配给CPU的预过滤缓冲区进行快速预过滤,剩余数据包则直接发送至CPU主存储器中的全匹配缓冲区,并将较短数据包直接分配给GPU进行全模式匹配,提升了CPU/GPU协同检测网络入侵的性能;实验结果表明,LHPMA的性能优于HPMA以及CPU和GPU的单独处理方法;LHPMA增强了HPMA的处理性能,充分发挥了GPU并行处理较短数据包的优势,并且LHPMA提高了网络入侵检测的吞吐量。

摘要： 为解决将数据传回服务器端计算时带来的延迟问题,需将神经网络结构进行调整后部署在边缘计算设备上,但当前对边缘设备性能功耗的测量不够全面.为分析和评测边缘计算设备EDGE TPU计算板的性能与功耗,采用神经网络模型和Roofline模型测量其性能,利用外置功耗测量设备测量其功耗计算性能功耗比.实验结果表明,EDGE TPU计算板能以较快的速度量化神经网络模型,执行速度与能耗节省均优于TX2和NANO,根据TX2的Roofline模型对VGG 16网络进行优化后,其在TX2上的运行速度达到原来的8倍左右.

摘要： 面向图像分割应用,提出了一种新颖的GPU加速水平集模型,将来自于不同模型的全局及局部拟合能量有机地整合一起,并且可以自适应地调整全局项的加权系数.无论初始轮廓位于图像中的任何位置,模型都可以有效地分割出具有强度非同质性图像中的前景目标.在数值实现环节,采用格子玻尔兹曼方法的策略来打破传统求解方法对于时间步长参数的限制条件.另外,借助NVIDIA GPU来高效地组织格子玻尔兹曼方法的数值解算过程,以充分利用格子玻尔兹曼方法所具有的并行特性.在合成及真实图像数据上的实验结果验证了所提方法的有效性.另外,还对影响分割结果的数个关键因素进行了深入的分析.

摘要： 现有的图数据库对于在线分析操作大多采用基于CPU的分布式图计算引擎(如GraphX),但CPU核心数量有限的不足会导致计算效率低下,同时集群间的同步也会产生额外的通信开销.通过使用图形处理单元(GPU)对图计算进行加速,设计并实现图处理系统RockGraph.该系统能够根据用户需求从图数据库中提取出包含核心信息的子图,经过数据格式转换后,利用JNI工具调用动态链接库,采用超显存GPU图计算框架进行在线分析,并将计算结果写回图数据库.实验结果表明,与基于CPU的分布式图计算系统相比,RockGraph的图分析效率可提高3倍～5倍.

摘要： 基于图形处理单元(GPU)的算法和程序为解决量子化学中的计算瓶颈开辟了道路.作者设计了基于GPU的量子化学算法和程序,实现了Hartree-Fock方法和密度泛函理论中双电子排斥积分计算、Fock矩阵构造以及交换相关泛函的计算.由于计算内核使用OpenCL编程框架,程序可以在多种架构的计算设备上执行.对于不同计算模块和分子自洽场计算的测试表明,基于OpenCL的GPU程序相比CPU上的串行程序实现了最快148倍的加速.

摘要： 由于张量Tucker分解在图像处理、人脸识别与信号处理等领域中的大量应用, 使得Tucker分解算法成为目前重点研究对象.但是当前流行的Tucker分解算法需要对张量进行多次展开, 导致算法加速效率降低.针对上述问题, 提出一种应用于统一计算设备架构 (CUDA) 平台上的改进Tucker分解模块, 通过对Tucker分解算法与CUDA平台进行优化, 在省略张量展开过程的同时, 提高加速效率, 从而降低对加速系统的要求.实验结果表明, 改进Tucker分解算法在CUDA平台上的加速性能具有明显提高.%Because tensor Tucker decomposition is widely used in image processing, face recognition, signal processing and other fields, Tucker decomposition algorithm becomes a key research object.However, the current popular Tucker decomposition algorithm needs to expand tensors many times, which results in that the acceleration efficiency of the algorithm is mostly consumed in tensor multiple expansion.In order to solve the above problems, a modified Tucker decomposition module applied to CUDA platform is proposed.By optimizing the Tucker decomposition algorithm and CUDA platform, the tensor expansion process is omitted, and the requirements of acceleration system are reduced and the acceleration efficiency is improved.Experimental results show that the modified Tucker decomposition algorithm has better acceleration performance on CUDA platform.

摘要： 本文基于实现实时导航卫星软件接收机的目的,采用中央处理单元(CPU)和图形处理单元(GPU)的协同调度方法,利用GPU的多核并行处理性能,通过对导航卫星软件接收机的信号并行化处理,结合信号处理时负载任务的历史信息,提出了一种动态的调度方法,该方法根据估计时间信息在CPU和GPU之间选择合适的设备来执行任务.所提出的方法在CUDA平台上对软件接收机中的信号进行处理,得出基于时间估算的协同调度算法能满足实时软件接收机的需求的结论.

摘要： 得益于不断增大的内存容量和处理器核心数目,内存数据库成为构建高性能数据库系统的一种重要手段.目前大多数内存关系数据库运行在多核处理器上.随着图形处理单元(GPU)广泛应用于通用计算领域,GPU也被用来加速数据库操作或进行联机分析处理.GPUTx是目前唯一利用GPU执行数据库事务的内存关系数据库.为解决事务冲突,它需要在CPU上建立事务依赖图和为GPU进行可序列化的事务调度.本文在GPU上实现了第一个基于乐观并发控制的事务处理引擎,避免了事务依赖图的建立.此举降低了系统实现复杂度,并提高了系统处理各类事务的通用性.基于该事务处理引擎,本文实现了一个较为初级的GPU内存关系数据库原型系统,并利用TPC-C流量进行了初步的性能测试.

摘要： 本文首先介绍了一种计算电大尺寸海面电磁散射的基于双尺度模型的射线追踪算法(Two Scale Model-Raytracing,TSM-RT),TSM-RT算法是一种近似的射线追踪算法,与传统的射线追踪算法相比,在保证计算精度的情况下,该算法能够有效减少射线与面元的求交次数,进而提高计算效率.同时,为了进一步减少了计算时间,本文还利用图形处理单元(Graphics Processing Unit,GPU)强大的并行处理能力对TSM-RT算法进行加速,并获得了很好的加速效果,与传统的TSM-RT相比基于GPU的TSM-RT算法的计算时间有了很大程度的减少.

摘要： 开发了一个高效率和易扩展的基于GPU(图形处理单元,Graphic Processing Unit)的并行分子动力学模拟程序.程序能够在GPU 上处理固相共价晶体中原子间的多体相互作用.通过测试,开发的代码在Mole-8.5 和天河-1A 上都取得了良好的并行效率和优秀的浮点操作性能.可以预计,晶体硅的大规模分子动力学模拟在计算其宏观性质、表界面现象和反应沉积方面具有巨大的应用潜力.

摘要： 针对数字图像处理领域中单个像元之间相互独立的特性,采用图形处理单元(GPU)的CUDA可编程模型,对Roberts算子这种边缘检测梯度算子进行了算法的并行化设计和实现。实验结果表明,本文算法充分利用了GPU强大的浮点并行计算能力,结合对Block和Thread的合理调度,运行效率明显优于常规的边缘检测算法,对高分辨率遥感影像并行处理技术提供了有益借鉴。

摘要： 图形处理单元（GPU）可以将桌面计算机的计算速度提高1～2个数量级经典，发展相关的隐式算法非常重要。本研究根据GPU的硬件特点，选择了DP-LUR 隐式方法，并对此进行了进一步的改进。根据GPU 算法低内存需求，首先对DP-LUR 方法右端项相关矩阵运算进行改写，将其变化为具有推广价值的标量形式。这一改进与原始方法完全等价，但形式极为简洁，节省了大量的内存存储与读写需求。随后，进一步将左端项矩阵对角化，从而对内存存储与读写的需求进一步降低，同时降低了单步迭代计算量，但也同时降低了收敛速度，总计算量比前一种方法增加了约20％。以上两种改进相互独立，可以根据需要单独或联合选取。

摘要： 在GPU中,一个warp内的所有线程在锁步中执行相同的指令.某些线程的内存请求可以得到快速处理,而其余请求会经历较长时间.在最慢的请求完成之前,warp不能执行下一条指令,导致内存发散.本文对GPU中warp间的异构性进行了研究,实现并优化了一种基于inter-warp异构性的缓存管理机制和内存调度策略,以减少内存发散和缓存排队延迟的负面影响.根据缓存命中率将warp分类,以驱动后面的三个组件:(1)基于warp类型的缓存旁路技术组件,使低缓存利用率的warp进入旁路,不访问L2缓存;(2)基于warp类型的缓存插入/提升策略组件,防止来自高缓存利用率warp的数据被过早清除(3)基于warp类型的内存控制器组件,优先处理从高缓存利用率的warp接收到的请求,并优先处理来自相同warp的请求.本文中基于warp间异构性的缓存管理和内存调度机制在8种不同的GPGPU应用中,与基准GPU相比,平均加速18.0％.

摘要： 在GPU中,一个warp内的所有线程在锁步中执行相同的指令.某些线程的内存请求可以得到快速处理,而其余请求会经历较长时间.在最慢的请求完成之前,warp不能执行下一条指令,导致内存发散.本文对GPU中warp间的异构性进行了研究,实现并优化了一种基于inter-warp异构性的缓存管理机制和内存调度策略,以减少内存发散和缓存排队延迟的负面影响.根据缓存命中率将warp分类,以驱动后面的三个组件:(1)基于warp类型的缓存旁路技术组件,使低缓存利用率的warp进入旁路,不访问L2缓存;(2)基于warp类型的缓存插入/提升策略组件,防止来自高缓存利用率warp的数据被过早清除(3)基于warp类型的内存控制器组件,优先处理从高缓存利用率的warp接收到的请求,并优先处理来自相同warp的请求.本文中基于warp间异构性的缓存管理和内存调度机制在8种不同的GPGPU应用中,与基准GPU相比,平均加速18.0％.

摘要： 在GPU中,一个warp内的所有线程在锁步中执行相同的指令.某些线程的内存请求可以得到快速处理,而其余请求会经历较长时间.在最慢的请求完成之前,warp不能执行下一条指令,导致内存发散.本文对GPU中warp间的异构性进行了研究,实现并优化了一种基于inter-warp异构性的缓存管理机制和内存调度策略,以减少内存发散和缓存排队延迟的负面影响.根据缓存命中率将warp分类,以驱动后面的三个组件:(1)基于warp类型的缓存旁路技术组件,使低缓存利用率的warp进入旁路,不访问L2缓存;(2)基于warp类型的缓存插入/提升策略组件,防止来自高缓存利用率warp的数据被过早清除(3)基于warp类型的内存控制器组件,优先处理从高缓存利用率的warp接收到的请求,并优先处理来自相同warp的请求.本文中基于warp间异构性的缓存管理和内存调度机制在8种不同的GPGPU应用中,与基准GPU相比,平均加速18.0％.

摘要： 在GPU中,一个warp内的所有线程在锁步中执行相同的指令.某些线程的内存请求可以得到快速处理,而其余请求会经历较长时间.在最慢的请求完成之前,warp不能执行下一条指令,导致内存发散.本文对GPU中warp间的异构性进行了研究,实现并优化了一种基于inter-warp异构性的缓存管理机制和内存调度策略,以减少内存发散和缓存排队延迟的负面影响.根据缓存命中率将warp分类,以驱动后面的三个组件:(1)基于warp类型的缓存旁路技术组件,使低缓存利用率的warp进入旁路,不访问L2缓存;(2)基于warp类型的缓存插入/提升策略组件,防止来自高缓存利用率warp的数据被过早清除(3)基于warp类型的内存控制器组件,优先处理从高缓存利用率的warp接收到的请求,并优先处理来自相同warp的请求.本文中基于warp间异构性的缓存管理和内存调度机制在8种不同的GPGPU应用中,与基准GPU相比,平均加速18.0％.

摘要： 自适应积分法(AIM)是针对矩量法的一种有效改进.但是当未知量数目比较大时,其计算仍较耗时.为了加快AIM的求解,本文引入了CUDA技术来实现在GPU上并行加速自适应积分法.实验结果表明,与传统的CPU实现AIM方法相比,利用GPU加速的AIM方法在保证正确性的同时大大减少了求解计算时间.

摘要： 一种图形处理系统，包括：图形处理器，该图形处理器通过执行第一通路的延迟着色生成G缓冲(几何形状缓冲)；和存储器，存储G缓冲，其中，所述图形处理器包括：图管理器，生成指示要着色的片段的第一片段图和通过基于G缓冲将片段添加到第一片段图或者从第一片段图去除片段而生成第二片段图；和着色器，根据第二片段图着色片段。

摘要： 本发明提供一种图形处理单元，其可作为个别图形处理单元进行操作。然而，所述图形处理单元具有与第二图形处理单元形成有专用总线的操作模式。

摘要： 当图形处理单元接收到指令，中断处理第一上下文和初始处理第二上下文，使得图形处理单元可处理多个程序。中央处理器产生具有多个上下文的一运行表，图形处理单元存储具有多个上下文的一运行表并加以执行，各上下文具有一环缓冲区的指令和指针以供执行。图形处理单元初始运行表的第一上下文，并获取存储器存取指令和关于第一上下文的指针参考的数据。图形处理单元流水线处理关于第一上下文的数据，直到第一上下文为空集合或中断发生。假如空集合发生，图形处理单元切换至运行表的下一上下文，以处理下一上下文，当运行表的最后一上下文完成，图形处理单元可切换至另一运行表的新上下文执行。

摘要： 图形处理单元包括几何处理单元和渲染处理单元。配置所述几何处理单元接收顶点并且使用所述顶点产生至少一个图元。配置所述渲染处理单元将所产生的至少一个图元转换为碎片，对所转换的碎片执行碎片着色，并且对已经对其执行碎片着色的碎片执行抗锯齿处理。所述渲染处理单元使用彼此不同的操作对第一颜色数据和不同于第一颜色数据的第二颜色数据执行抗锯齿处理。

摘要： 本发明提供一种图形处理单元及图形处理方法、处理器，绘图管线的一处理器可将一绘图图元输入流转换成一预定绘图图元输出流，该处理器辨识接收到的该绘图图元输入流内的一预定序列图样，并判断该辨识序列图样是否可转换成该多个绘图图元输出流之一，如果可以，处理器找出该辨识序列图样内的多个顶点，并将该顶点重排成一预定输出图样，之后，处理器输出该预定输出图样给一个或多个图形处理元件。本发明所述的图形处理单元及图形处理方法、处理器，可在降低图形处理单元管线的制造成本的同时又保有原来的处理效率。

摘要： 公开了采用通用处理单元作为图形管线的可编程功能单元以及制造图形处理单元的方法。在一个实施例中，图形管线包括：（1）加速器，（2）耦连到加速器中的每一个的输入输出接口和（3）耦连到输入输出接口并配置为图形管线的可编程功能单元的通用处理单元，通用处理单元配置为经由输入输出接口发出矢量指令到用于可编程功能单元的矢量数据路径。

摘要： 本发明提供一种图形处理单元，其可作为个别图形处理单元进行操作。然而，所述图形处理单元具有与第二图形处理单元形成有专用总线的操作模式。

摘要： 当图形处理单元接收到指令，中断处理第一上下文和初始处理第二上下文，使得图形处理单元可处理多个程序。中央处理器产生具有多个上下文的一运行表，图形处理单元存储具有多个上下文的一运行表并加以执行，各上下文具有一环缓冲区的指令和指针以供执行。图形处理单元初始运行表的第一上下文，并获取存储器存取指令和关于第一上下文的指针参考的数据。图形处理单元流水线处理关于第一上下文的数据，直到第一上下文为空集合或中断发生。假如空集合发生，图形处理单元切换至运行表的下一上下文，以处理下一上下文，当运行表的最后一上下文完成，图形处理单元可切换至另一运行表的新上下文执行。

摘要： 提供了一种图形处理单元(GPU)的分箱子系统及GPU的分箱方法。GPU的分箱子系统包括存储子系统、经由第一路径输出第一数据的着色器核心、经由第一路径接收第一数据并经由第二路径从存储子系统接收第二数据的选择器。存储子系统包括分箱器单元和控制逻辑单元。控制逻辑单元使选择器将第一数据或第二数据传送到分箱器单元。分箱器单元可以经由第三路径将分箱器输出数据传送到着色器核心。分箱器单元可以经由第四路径将分箱器输出数据传送到图形流水线的一个或多个后续阶段。分箱器单元可以经由第五路径将分箱器输出数据传送到存储子系统。控制逻辑单元可以控制分箱器单元，使得分箱器单元可以用于通用计算。

摘要： 图形处理单元包括几何处理单元和渲染处理单元。配置所述几何处理单元接收顶点并且使用所述顶点产生至少一个图元。配置所述渲染处理单元将所产生的至少一个图元转换为碎片，对所转换的碎片执行碎片着色，并且对已经对其执行碎片着色的碎片执行抗锯齿处理。所述渲染处理单元使用彼此不同的操作对第一颜色数据和不同于第一颜色数据的第二颜色数据执行抗锯齿处理。