【摘要】：從大規(guī)模、多維度的信息數(shù)據(jù)中提取其蘊(yùn)含的信息是信息數(shù)據(jù)技術(shù)時(shí)代所面臨的熱點(diǎn)問題。其中,張量分解和重構(gòu)是針對(duì)大規(guī)模體數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和信息提取的有效方法。在張量分解過程中,基于主成分分析的思想有效保留和增強(qiáng)了信息數(shù)據(jù)中主要的特征;在張量重構(gòu)中,利用多尺度的思想可以快速地重構(gòu)出不同尺度的信息數(shù)據(jù),支撐不同尺度的數(shù)據(jù)分析。但張量分解的計(jì)算復(fù)雜度比較高,實(shí)際應(yīng)用對(duì)計(jì)算效率有較高的要求。本文針對(duì)張量分解的計(jì)算效率問題,開展基于圖像處理器(Graphics Processing Unit,GPU)的張量分解和重構(gòu)方法的研究。針對(duì)基于GPU的張量分解和重構(gòu)問題,本文從GPU的性能模型和基于GPU的Tucker分解和重構(gòu)兩個(gè)方面開展研究工作。主要內(nèi)容和貢獻(xiàn)如下:1.提出了GPU性能分析模型。針對(duì)GPU程序的性能評(píng)估的問題,一種量化的性能分析模型能夠預(yù)測(cè)應(yīng)用移植到GPU的性能和評(píng)估瓶頸,幫助理解GPU編程模型和性能優(yōu)化�；诖�,本文提出了GPU性能分析模型,不僅考慮了GPU執(zhí)行時(shí)帶來的額外開銷,還從指令流水線的角度,通過對(duì)線程的計(jì)算指令和訪存指令建模,來定量分析程序和理解程序性能特征。通過仿真分析,本文提出的模型能夠以較高的準(zhǔn)確率預(yù)測(cè)出GPU程序的性能;2.提出了基于GPU的Tucker分解及重構(gòu)算法。針對(duì)Tucker分解及重構(gòu)算法計(jì)算復(fù)雜度過高的問題,本文提出了基于GPU的張量分解及重構(gòu)并行化算法。通過對(duì)算法進(jìn)行性能剖析,將算法中最耗時(shí)的一系列張量與矩陣的乘法進(jìn)行基于GPU的并行化改造,并且以中間結(jié)果復(fù)用的方式優(yōu)化CPU-GPU間的數(shù)據(jù)傳輸開銷,加速Tucker分解及重構(gòu)。通過仿真測(cè)試,本文提出的方法實(shí)現(xiàn)了幾倍至數(shù)十倍的加速比;3.實(shí)現(xiàn)了基于GPU張量分解及重構(gòu)的大規(guī)模三維地震數(shù)據(jù)可視化應(yīng)用。針對(duì)現(xiàn)有可視化方法中存在只能提供特定分辨率的問題,提出了基于連續(xù)多分辨率的可視化方法,并且將張量分解及重構(gòu)的并行化研究成果應(yīng)用在可視化系統(tǒng)中。綜上所述,GPU性能分析模型幫助理解GPU編程模型和性能優(yōu)化,提出并實(shí)現(xiàn)的基于GPU的張量分解和重構(gòu)能夠提高大規(guī)模三維地震數(shù)據(jù)可視化中的計(jì)算效率。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：O183.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任衍青;逯志宇;王大鳴;基于GPU加速遺傳算法的直接定位研究[J];計(jì)算機(jī)應(yīng)用研究;2019年05期

2 王馳;劉羽;;GPU優(yōu)化的大規(guī)模線性方程組并行求解的研究與比較[J];信息通信;2016年12期

3 都志輝;溫琳清;;GPU支持的低延遲引力波數(shù)據(jù)處理[J];中國科學(xué):物理學(xué) 力學(xué) 天文學(xué);2017年01期

4 藍(lán)帆;潘峗;嚴(yán)曉浪;宦若虹;CHENG Kwang-ting;;片上網(wǎng)絡(luò)良率評(píng)估的GPU加速[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2017年01期

5 邵欣明;;基于GPU的圖像處理并行算法分析[J];中小企業(yè)管理與科技(上旬刊);2017年03期

6 陸許明;張嘉文;徐永鍵;;GPU協(xié)處理視頻編碼的服務(wù)平臺(tái)設(shè)計(jì)[J];電腦知識(shí)與技術(shù);2016年28期

7 周天馳;;基于GPU的圖像處理計(jì)算方法分析[J];科技風(fēng);2017年03期

8 顧文愷;;基于GPU的脈沖壓縮并行化研究[J];航空計(jì)算技術(shù);2017年02期

9 傅志中;趙宇飛;徐進(jìn);;基于GPU的圖像增強(qiáng)實(shí)驗(yàn)設(shè)計(jì)與實(shí)現(xiàn)[J];實(shí)驗(yàn)技術(shù)與管理;2017年05期

10 趙歡歡;張潤生;;基于GPU的數(shù)字信道化設(shè)計(jì)[J];數(shù)字技術(shù)與應(yīng)用;2017年06期

相關(guān)會(huì)議論文 前10條

1 陸娟娟;溫柏堅(jiān);王毅;陸進(jìn)軍;郭文鑫;;基于GPU并行的靜態(tài)安全分析設(shè)計(jì)與應(yīng)用[A];2016智能電網(wǎng)發(fā)展研討會(huì)論文集[C];2016年

2 劉志宏;張年梅;;磁流體力學(xué)數(shù)值模擬GPU加速技術(shù)研究[A];第九屆全國流體力學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2016年

3 ;GPU加速基于經(jīng)驗(yàn)?zāi)B(tài)分解的高動(dòng)態(tài)范圍圖像色調(diào)映射[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

4 王健;許明;陳飛國;葛蔚;李靜海;;單相流動(dòng)直接數(shù)值模擬在GPU上的實(shí)現(xiàn)[A];中國顆粒學(xué)會(huì)第七屆學(xué)術(shù)年會(huì)暨海峽兩岸顆粒技術(shù)研討會(huì)論文集[C];2010年

5 梁亮;張定華;毛海鵬;王凱;吳清;;用GPU實(shí)現(xiàn)快速三維圖像重建[A];2004年CT和三維成像學(xué)術(shù)年會(huì)論文集[C];2004年

6 任鴻翔;金一丞;尹勇;;基于GPU的多重凹凸貼圖方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 張嘉華;梁成;李桂清;;細(xì)分曲面的GPU完全實(shí)現(xiàn)[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

8 張明磊;孫樹立;邱鑫;;基于重心坐標(biāo)插值的網(wǎng)格變形GPU并行方案[A];北京力學(xué)會(huì)第19屆學(xué)術(shù)年會(huì)論文集[C];2013年

9 鐘何平;黃攀;田振;吳浩然;;基于GPU的干涉相位質(zhì)量圖快速計(jì)算方法[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2015年學(xué)術(shù)會(huì)議論文集[C];2015年

10 李茂文;唐林波;曾濤;張超;韓煜祺;于春磊;;基于嵌入式GPU的雙目視覺測(cè)距研究[A];第十屆全國信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2016年

相關(guān)重要報(bào)紙文章 前5條

1 本報(bào)記者 藏瑾;蘋果、三星自研GPU：手機(jī)廠商供應(yīng)鏈發(fā)力[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2017年

2 本報(bào)記者 陳洲;三星蘋果競(jìng)技GPU 產(chǎn)業(yè)鏈洗牌大幕再次拉開？[N];通信信息報(bào);2017年

3 本報(bào)記者 顧鴻儒;手機(jī)企業(yè)自研GPU成趨勢(shì) 專業(yè)壁壘和生態(tài)束縛是兩道坎[N];中國電子報(bào);2018年

4 王毅;GPU通用計(jì)算“暗戰(zhàn)”[N];電腦報(bào);2009年

5 Andy Patrizio 編譯 Charles;GPU:為何對(duì)HPC和AI越來越重要？[N];計(jì)算機(jī)世界;2018年

相關(guān)博士學(xué)位論文 前10條

1 白冰;混響室電磁環(huán)境的GPU并行重建算法及應(yīng)用研究[D];西安電子科技大學(xué);2015年

2 陳俊杰;基于GPU的隱式曲面多邊形化和造型技術(shù)[D];浙江大學(xué);2015年

3 崔樹林;基于GPU的并行矢量數(shù)據(jù)分析與索引技術(shù)研究[D];中國科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2014年

4 王思博;GPU加速耗散粒子動(dòng)力學(xué)模擬軟件及其在重質(zhì)油介觀模擬中的應(yīng)用[D];中國科學(xué)院研究生院(過程工程研究所);2015年

5 李榮春;基于GPU的軟件無線電并行算法與系統(tǒng)結(jié)構(gòu)關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實(shí)現(xiàn)[D];成都理工大學(xué);2015年

7 張楠;基于相位差異的地基望遠(yuǎn)鏡圖像恢復(fù)算法與GPU高速實(shí)現(xiàn)[D];中國科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2012年

8 葛子厚;基于GPU動(dòng)態(tài)誤差度量的大規(guī)模地形繪制方法[D];吉林大學(xué);2012年

9 李仕;航空異速像移模糊實(shí)時(shí)恢復(fù)算法研究與GPU平臺(tái)實(shí)現(xiàn)[D];中國科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2010年

10 甘新標(biāo);面向眾核GPU的編程模型及編譯優(yōu)化關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 黃威;基于嵌入式GPU的USB插頭表面缺陷檢測(cè)算法研發(fā)[D];浙江大學(xué);2018年

2 劉騰宇;離子推進(jìn)器粒子模擬的GPU加速研究[D];電子科技大學(xué);2018年

3 李銘;基于GPU的張量分解及重構(gòu)方法研究及應(yīng)用[D];電子科技大學(xué);2018年

4 董輝;基于YARN的GPU調(diào)度支持及調(diào)度策略研究[D];電子科技大學(xué);2018年

5 房顥;移動(dòng)GPU功耗建模[D];東南大學(xué);2017年

6 張旭;蒙特卡羅法概率潮流的GPU加速技術(shù)研究[D];東南大學(xué);2016年

7 趙明超;基于GPU并行計(jì)算全變分圖像恢復(fù)的研究[D];昆明理工大學(xué);2017年

8 鄭濟(jì)達(dá);基于GPU的高光譜圖像分類與目標(biāo)檢測(cè)[D];南京理工大學(xué);2017年

9 劉銘;基于嵌入式GPU的數(shù)碼印花缺陷檢測(cè)系統(tǒng)硬件設(shè)計(jì)[D];浙江大學(xué);2017年

10 宋盧軍;基于GPU的實(shí)時(shí)部分相干光并行生成算法研究[D];長(zhǎng)春理工大學(xué);2016年

本文編號(hào)：2784533