多核平臺計算機視覺應用并行優(yōu)化關鍵技術研究.pdf

1、多核體系結構是計算機發(fā)展歷史上的重大轉(zhuǎn)變，在傳統(tǒng)的通過頻率提升來提高處理器性能的方法遇到巨大困難的情況下，人們開始轉(zhuǎn)向在相對低的主頻下，通過提高半導體的密度，集成更多處理單元來提供計算能力的持續(xù)提升，以滿足計算機視覺等新興的萬億級別RMS(Tera-Scaled Recognition，Mining，Synthesis)應用的計算需求。近年來，多核和眾核體系的快速發(fā)展和廣泛應用為此類應用的實時實現(xiàn)提供了硬件基礎和可能。不過，由于必須通過

2、并行的方式才能獲得對硬件計算能力的有效利用，如何有效地發(fā)掘可用的程序并行性到可用的硬件并行性的最佳映射，成為了多核和眾核體系平臺下計算機視覺應用開發(fā)面臨的一個關鍵挑戰(zhàn)。本文以車輛輔助駕駛系統(tǒng)中車輛識別算法這一核心的計算機視覺應用的并行化研究為背景，從應用模型和負載分析入手，研究了此類應用的計算特性，識別出此類應用并行優(yōu)化中需要滿足的三個關鍵能力需求;總結了六種關鍵的數(shù)據(jù)并行模式;并且提出:在領域知識的指導下，結合先驗的并行策略，基于實時

3、負載特性、硬件特性的動、靜態(tài)結合的并行優(yōu)化是針對上面問題的一個比較理想的解決思路。本文具體工作內(nèi)容如下:
　　首先，針對并行性的抽象和表達技術，本文在TStreams模型的基礎上，通過引入組成(Composition)關系、等價(Equivalence)關系和特性權重(Character Weight)的概念，提出了一個改進的TStreams并行計算模型?？梢砸砸恢碌男问綄Π〝?shù)據(jù)并行性、任務并行性、流水線并行性等在內(nèi)的各種算法并

4、行性的抽象表達提供方便的支持;同時，該模型還將作為算法和硬件交互的公共“交流語言”，在后續(xù)并行優(yōu)化過程中，有效地支持多層次、多粒度的并行性發(fā)掘。
　　其次，針對并行性發(fā)掘技術，本文引入了面向計算機視覺應用的領域編程語言(DSL)用以描述算法特性以及優(yōu)化過程中可適用的優(yōu)化規(guī)則。優(yōu)化規(guī)則是領域知識的抽象，針對特定函數(shù)給出的優(yōu)化規(guī)則描述了該函數(shù)各種可能的變形實現(xiàn)。本文引入了編譯驅(qū)動的自動優(yōu)化工具，可根據(jù)優(yōu)化規(guī)則描述，構造算法并行優(yōu)化的解

5、空間，并以半自動化的方式查找最適合的并行優(yōu)化候選解空間。由此，可將并行優(yōu)化工作中復雜、繁瑣的優(yōu)化“決策”工作轉(zhuǎn)化為目標算法和多核、眾核平臺的可用并行性和算法領域知識規(guī)則的“描述”工作，極大地降低了并行優(yōu)化的難度，提高了并行優(yōu)化的效率。
　　第三，針對動態(tài)任務調(diào)度技術，本文引入了面向特性權重的運行時環(huán)境的概念。運行時環(huán)境根據(jù)實時輸入數(shù)據(jù)，利用目標程序的擴展TStreams模型表示中的組成關系和特性權重信息，從自動優(yōu)化工具生成的候選解

6、空間中動態(tài)選擇合適的優(yōu)化算法，并進行底層優(yōu)化，以獲得局域性好、并行度高、負載均衡的動態(tài)調(diào)度。
　　最后，本文將上述研究成果綜合在一起，以工具和運行時庫(Runtime Library)的形式提供了一個動靜態(tài)結合的，針對計算機視覺應用的半自動并行優(yōu)化框架原型（FAPOF, Feature Awared Parallel Optimization Framework），并應用于面向輔助駕駛系統(tǒng)(DAS)的車輛識別算法的并行優(yōu)化過程中，