【文件属性】:
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:2021-06-15 11:06:58
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