當(dāng)前位置：主頁(yè) > 科技論文 > 計(jì)算機(jī)論文 >

基于計(jì)算智能應(yīng)用映射的GPU體系結(jié)構(gòu)研究

發(fā)布時(shí)間：2020-07-23 00:50

【摘要】： 2006年NVIDIA發(fā)布統(tǒng)一架構(gòu)的GPU體系結(jié)構(gòu),推出CUDA編程模型,有利于程序員將通用運(yùn)算映射至GPU上運(yùn)行。自此,對(duì)于GPU體系結(jié)構(gòu)的研究就成為學(xué)者們研究熱點(diǎn)。計(jì)算智能是以數(shù)據(jù)為基礎(chǔ),通過(guò)訓(xùn)練建立聯(lián)系,進(jìn)行問(wèn)題求解。因其具有智能性而廣泛應(yīng)用于VLSI設(shè)計(jì)等工程應(yīng)用各個(gè)方面。本文在閱讀最新的國(guó)內(nèi)外大量文獻(xiàn)的基礎(chǔ)上,認(rèn)為對(duì)基于計(jì)算智能應(yīng)用領(lǐng)域內(nèi)的運(yùn)算的GPU體系結(jié)構(gòu)進(jìn)行研究具有重要意義和應(yīng)用價(jià)值。本文主要工作和創(chuàng)新點(diǎn): (1)因遺傳算法中需要使用大量的隨機(jī)數(shù),為加快遺傳算法的執(zhí)行速度,對(duì)隨機(jī)數(shù)的產(chǎn)生進(jìn)行專門的研究,提出兩種在統(tǒng)一架構(gòu)GPU上并行產(chǎn)生均勻隨機(jī)數(shù)的方法,且基于統(tǒng)一架構(gòu)GPU體系結(jié)構(gòu)特征,優(yōu)化兩種產(chǎn)生隨機(jī)數(shù)方法的性能,比較兩種方法的效果,選擇較好的方法應(yīng)用于遺傳算法中。 (2)深入研究計(jì)算智能基本算法中的遺傳算法與神經(jīng)網(wǎng)絡(luò)算法的基本原理以及其并行化特征。利用統(tǒng)一架構(gòu)GPU體系結(jié)構(gòu)的特點(diǎn)和其硬件資源,改進(jìn)遺傳算法的并行實(shí)現(xiàn)的模型,在統(tǒng)一架構(gòu)GPU上成功映射遺傳算法并優(yōu)化其性能。并在不影響性能的基礎(chǔ)上,改進(jìn)遺傳算法,提高遺傳算法的精確性和收斂至最優(yōu)解的可能性。分別示例遺傳算法中在GPU體系結(jié)構(gòu)中遺傳代數(shù)和種群大小對(duì)遺傳算法的性能和精確度的影響。以求二次規(guī)劃問(wèn)題為實(shí)例,成功映射神經(jīng)網(wǎng)絡(luò)算法BP模型,并優(yōu)化其基于統(tǒng)一架構(gòu)GPU的并行實(shí)現(xiàn),實(shí)現(xiàn)一定的性能加速,展示不同數(shù)量的神經(jīng)元與性能的關(guān)系。 (3)在應(yīng)用映射的基礎(chǔ)上,將計(jì)算智能的兩個(gè)基本算法在不同的虛擬的GPU體系結(jié)構(gòu)上模擬運(yùn)行,提取其訪存特征,提出并驗(yàn)證一種具有針對(duì)性的地址映射機(jī)制,實(shí)驗(yàn)證明,這種地址映射機(jī)制有利于神經(jīng)網(wǎng)絡(luò)算法的性能提升。 (4)利用GPU模擬器GPGPU-sim,通過(guò)實(shí)驗(yàn)闡明GPU體系結(jié)構(gòu)的各組成部分對(duì)計(jì)算智能應(yīng)用映射的性能影響,并探討將來(lái)的GPU體系結(jié)構(gòu)發(fā)展方向,為基于計(jì)算智能領(lǐng)域內(nèi)的GPU體系結(jié)構(gòu)設(shè)計(jì)提出建設(shè)性的意見(jiàn),為GPU體系結(jié)構(gòu)的發(fā)展奠定實(shí)驗(yàn)基礎(chǔ), 本課題研究?jī)?nèi)容是國(guó)家863計(jì)劃項(xiàng)目“通用流處理器關(guān)鍵技術(shù)研究”、“可重構(gòu)異構(gòu)流處理器體系結(jié)構(gòu)技術(shù)”以及國(guó)家資源科學(xué)基金項(xiàng)目“面向科學(xué)計(jì)算異構(gòu)多流體系結(jié)構(gòu)關(guān)鍵技術(shù)研究”的一部分。
【學(xué)位授予單位】：國(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：TP332
【圖文】：

體系結(jié)構(gòu)圖,非統(tǒng),架構(gòu),體系結(jié)構(gòu)

到命令或是數(shù)據(jù)后，首先進(jìn)行前端處理，也就是將頂點(diǎn)數(shù)據(jù)標(biāo)準(zhǔn)化。每個(gè)場(chǎng)景模型中的圖像都有一定的方向和視角區(qū)域，在將目標(biāo)正確地放置在某個(gè)場(chǎng)景中的某個(gè)地方時(shí)，必須將目標(biāo)進(jìn)行標(biāo)準(zhǔn)化，或翻譯，或旋轉(zhuǎn)，以配合整個(gè)場(chǎng)景的視角。一般標(biāo)準(zhǔn)化的方法是通過(guò)一個(gè)組合的 4*4 的視圖模型矩陣與每個(gè)浮點(diǎn)頂點(diǎn)相乘，從而得到一個(gè)四維的[x,y,z,w]的視力空間的位置[24]。另外，還需將頂點(diǎn)的位置參數(shù)進(jìn)行格式化，即其轉(zhuǎn)換成一些硬件可以理解的數(shù)據(jù)格式，并放至頂點(diǎn) cache 中。其次對(duì)頂點(diǎn)進(jìn)行著色，即在每個(gè)頂點(diǎn)上產(chǎn)生光線和顏色。最簡(jiǎn)單的光照算法就是應(yīng)用程序?yàn)槊總€(gè)頂點(diǎn)計(jì)算且分發(fā)一個(gè)（RGB）的像素值。常用的典型的 GPU 光照的算法就是光線傳送的物理平衡模型，其具有全面性、發(fā)射性、反射性、漫射性等特點(diǎn)。最后進(jìn)行三角設(shè)置。因?yàn)槊總€(gè)頂點(diǎn)的每個(gè)邊都包含一些參數(shù)，這些參數(shù)還要用來(lái)進(jìn)行三角設(shè)置，通常都有 4 個(gè)或是更多這樣的參數(shù)。在設(shè)置中，決定每個(gè)Triangle 中包含哪些像素，并為每個(gè)像素產(chǎn)生一些必要的信息：比如位置、顏色、每個(gè)像素的紋理坐標(biāo)、光柵的模式、位置取樣（是否在這個(gè)三角內(nèi)）等。接下來(lái)，使用過(guò)濾技術(shù)，進(jìn)行著色（shading）處理，即為每個(gè)像素賦予顏色的值。一般情況下，顏色的值由以下因素決定：著色的程序、紋理映射、反射等。

示意圖,架構(gòu),示意圖