基于Stencil算法的NVIDIA Kepler架構(gòu)下的性能分析與調(diào)優(yōu).pdf

1、在很多計(jì)算密集的應(yīng)用中，Stencil算法（模板計(jì)算）是耗時(shí)最多和最為重要的計(jì)算核心。隨著GPU通用計(jì)算加速卡出色的計(jì)算能力、功耗控制和編程的簡化，GPU加速卡在科學(xué)研究中的工作站和超級(jí)計(jì)算機(jī)中得到普遍使用，如何在GPU這樣的異構(gòu)設(shè)備上將Stencil算法進(jìn)行性能優(yōu)化和提高效率便成了一個(gè)亟待解決的關(guān)鍵問題。在本文中，我們選取了3D7P這個(gè)典型應(yīng)用進(jìn)行研究。通過對(duì)這個(gè)典型應(yīng)用在Kepler架構(gòu)GPU上的優(yōu)化和分析，我們探討了不同優(yōu)化手段對(duì)

2、于計(jì)算性能產(chǎn)生的影響。NVIDIA Kepler架構(gòu)是Tesla系列服務(wù)器級(jí)GPU中最新的架構(gòu)，我們研究了Tesla K20、K40、K80，基本涵蓋了Kepler架構(gòu)的絕大部分核心。并借助性能分析工具——nvprof，通過收集程序執(zhí)行中的硬件指標(biāo)和性能事件，對(duì)Stencil計(jì)算在不同優(yōu)化手段下性能的差異進(jìn)行了比較和分析。對(duì)于訪存受限類型的3D7P程序在不同的Tesla GPU上，經(jīng)過性能調(diào)優(yōu)后訪存帶寬基本達(dá)到了對(duì)應(yīng)的實(shí)際帶寬峰值。本文