文件名称：GPU理论简介-onfi接口规范
文件大小：3.89MB
文件格式：PDF
更新时间：2024-07-05 04:53:38
CUDA
东北大学硕士学位论文 第2章并行计算与CUDA编程理论 平台计算的部分。要充分利用CPU资源，尽力使CPU执行复杂的逻辑控制运算，而让 GPU负责处理数据的并行计算。因此，根据CPU与GPU硬件架构的不同特点，充分发 挥各自优势，共同完成任务，正是CUDA编程模型所遵循的基本法则。 2．2 GPU理论简介 相对于传统*处理器处理数据所使用的指令流水线技术，运用图像处理单元 (GPU)完成某些计算任务是一个很时尚的做法。下面就对GPU通用计算做一些介绍。 2．2．1 GPU发展历史 图像处理器是一种专门用来处理个人电脑、工作站以及游戏机等图形渲染运算工作 的微处理器【15】。最近几年，*处理器时钟周期与处理器核心数目不断得到提高，与此 同时，图像处理器也经历了一个高速发展期。早在80年代，像微软的Windows操作系 统在内的图形用户界面系统受到用户青睐，并催生了一个新的图形处理器领域。之后用 户开始追求个人电脑2D显示加速效果。这些显示加速器提供硬件辅助位图操作，以此 提高显示内容的真实度和界面操作系统的实用性。 上世纪末，NVIDIA推出第一款划时代产品GF256，该GPU拥有一个单芯片处理 器，具有四种完整3D处理引擎技术，分别是转换、光照、三角设置以及渲染(Transform、 Lighting、Setup、Rendering中文译作)，这使得之前只能由*处理器完成的图像运算 工作，如今可以搬到专门的图像处理器上执行。不但可以减轻CPU浮点运算的负担、 降低对CPU依赖性，还能获得比一般CPU更高的执行效率。 GPU在指令运算与图形渲染的性能方面每年都有很大提高，远远超出同期CPU性 能提高水平。为适应图形处理领域Direct?{10技术，GPU又开始了创新之路，新增几 何着色(Geometry Shader)功能，历史上第一次实现新数据在图形处理器程序中的创 建【l 61。这一创新，使得GPU在计算系统中可以扮演更重要角色，不但可处理已存在的 数据，还能根据系统需要，快速生成某些数据，解决了图形处理系统许多复杂的算法。 新一代GPU采用统一渲染架构，核心模块都使用流处理器。流处理器有许多优点， 除了完成图像处理任务，还可以在API的支持下执行更多非图像处理任务。目前GPU 已经可以支持高清视频加速与物理加速等新功能。相信在不久的未来，利用GPU强大 的浮点运算能力，可以将更多科学计算任务分配给GPU。下表2．1是GPU发展历程表， 大致经历了三个发展阶段【17】：上世纪末，部分功能从CPU分离，固定功能架构阶段； 21世纪初的头五年，分离着色器架构阶段；从2006年到现在，方便的编程环境，处于 统一着色架构阶段。 ．6． 万方数据