在大數(shù)據(jù)時代,面向大數(shù)據(jù)、科學計算、人工智能的算法和應用不僅需要強大的計算機算力作為基礎,還需要高效且易于使用的編程模型作為硬件資源與編程者交互的媒介。目前,面向大數(shù)據(jù)和科學計算等領域的編程框架往往較為復雜,對于不具備計算機專業(yè)知識的使用者是難以上手的,不利于交叉學科的持續(xù)蓬勃發(fā)展。領域特定語言是專注于特定應用領域的計算機編程語言,具有語法簡潔、表達性強等特點。Axle是面向科學計算的領域特定語言,提供了大數(shù)據(jù)、科學計算的一系列基本功能�；诖髷�(shù)據(jù)時代對更優(yōu)編程模型的內在需求,本文提出在Axle的基礎上進一步擴展其功能,研究面向大數(shù)據(jù)和科學計算領域的高性能領域特定語言——Paraxle。Paraxle對Axle進行了多方面的擴展。針對Axle中部分可并行化的功能,Paraxle實現(xiàn)了這些功能的并行化,提高了執(zhí)行效率。由于Axle僅提供了少數(shù)大數(shù)據(jù)方面的算法,Paraxle在回歸、分類、聚類等方面進行了擴充,增加了多個算法的實現(xiàn)。Axle不具備異構計算的功能,然而在大數(shù)據(jù)時代,異構并行計算有著重要作用,基于此Paraxle將OpenCL與Axle相結合,實現(xiàn)了面向異構計算的線性代數(shù)、模擬...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
    1.3 研究方法及內容概述
    1.4 論文結構
第二章 相關背景知識
    2.1 領域特定語言
    2.2 面向科學計算的領域特定語言——Axle
    2.3 異構并行計算、GPGPU和OpenCL
    2.4 Actor模型和Akka actor框架
    2.5 本章小結
第三章 Paraxle設計思想及實現(xiàn)
    3.1 對部分Axle功能的優(yōu)化
        3.1.1 部分功能函數(shù)的并行化
        3.1.2 專用于Paraxle的命令行解析器(REPL)
    3.2 對Axle的橫向擴展
    3.3 Axle的縱向擴展
        3.3.1 Paraxle的異構計算擴展
        3.3.2 基于Akka actor的并行化研究
    3.4 本章小結
第四章 基于Paraxle的實際用例與分析
    4.1 高斯過程回歸簡介
    4.2 基于Paraxle的高斯過程回歸的實現(xiàn)
    4.3 本章小結
第五章 實驗與分析
    5.1 基于多線程并行化的優(yōu)化功能與原有功能的效率對比
    5.2 橫向擴展方法的正確性和效率
    5.3 GPU優(yōu)化后的方法與原有串行方法效率的對比
    5.4 基于Akka的并行算法與Axle串行算法的對比
    5.5 本章小結
總結與展望
    論文工作總結
    展望
參考文獻
附錄
    附錄1
        面向OpenCL的Java版本矩陣加法
        面向OpenCL的Scala版本矩陣加法
    附錄2
攻讀碩士學位期間取得的研究成果
致謝
附件



本文編號：3903111