[發(fā)明專利]基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法

在審

• 申請?zhí)枺?/td>: 202310003422.3
• 申請日: 2023-01-03
• 公開（公告）號: CN116051355A
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 呂健;謝曉堯;于徐紅
• 申請（專利權(quán)）人: 貴州師范大學(xué)
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06F11/34
• 代理公司: 上海德譽達專利代理事務(wù)所(普通合伙) 31426
• 代理人: 馬朋巍

本發(fā)明公開了基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法，包括以下步驟：步驟S1、基于gperftools做性能分析；步驟S2、分析數(shù)據(jù)依賴性；步驟S3、基于CUDA的GPU并行。本發(fā)明基于CUDA并行計算架構(gòu)對折疊進行GPU并行化，在并行之前對折疊先進行優(yōu)化，消除其中的數(shù)據(jù)循環(huán)依賴并且重構(gòu)目標函數(shù)，重寫CUDA核函數(shù)在GPU上實現(xiàn)折疊并取得良好的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療器械烘干裝置技術(shù)領(lǐng)域，具體為基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法。

背景技術(shù)

PRESTO是一套完整開源的脈沖星搜索工具，其中包含適于各個搜索流程的工具。折疊也是其中之一，是用于搜索周期信號的，對百萬量級的候選體折疊生成相應(yīng)的脈沖輪廓圖，并基于這些脈沖輪廓圖對候選體進行初篩，但隨著射電望遠鏡設(shè)備的越發(fā)精密和技術(shù)手段的越發(fā)成熟，產(chǎn)生的觀測數(shù)據(jù)量劇增，急需快速處理數(shù)據(jù)的問題，為此，我們提出一種實用性更高的基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法，解決了現(xiàn)有的問題。

為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于CUDA并行計算架構(gòu)對折疊進行GPU并行化的方法，包括以下步驟：

步驟S1、基于gperftools做性能分析；

步驟S2、分析數(shù)據(jù)依賴性；

步驟S3、基于CUDA的GPU并行。

優(yōu)選的，所述步驟S1具體包括以下步驟：

S11、鏈接庫，安裝gperftools會附帶庫環(huán)境；

S12、運行需要做性能分析的代碼，此時gperftools會對運行的代碼進行性能分析，并輸出結(jié)果；

S13對這個輸出的結(jié)果做分析運算，得到其中各個函數(shù)在性能分析中所占的比例，生成可讀的文本和圖片結(jié)果。

優(yōu)選的，所述步驟S2具體包括以下步驟：

S21、在并行時，有數(shù)據(jù)依賴關(guān)系的總會被分配到用一個計算資源上執(zhí)行，并不會產(chǎn)生錯誤歧義；

S22、有循環(huán)依賴的是不同次的迭代，因此有可能會分配到不同的計算資源上，而此時因為缺少之前的迭代的結(jié)果，本次迭代中的計算會產(chǎn)生錯誤結(jié)果，從而依次影響后續(xù)的迭代，導(dǎo)致最終的計算錯誤。

優(yōu)選的，所述步驟S3具體包括以下步驟：

串行的折疊中的的combine_prof函數(shù)是在四重循環(huán)里面調(diào)用的，在計算數(shù)據(jù)的時候，是在計算機上重復(fù)執(zhí)行四重循環(huán)次數(shù)個combine_profs函數(shù)，而基于CUDA的GPU并行，則是消除了數(shù)據(jù)循環(huán)依賴的基礎(chǔ)上，可以把四重循環(huán)次數(shù)個gpu_conbine_profs函數(shù)發(fā)送到GPU的核上計算，同時可以在GPU的核上調(diào)用多個函數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

本發(fā)明基于CUDA并行計算架構(gòu)對折疊進行GPU并行化，在并行之前對折疊先進行優(yōu)化，消除其中的數(shù)據(jù)循環(huán)依賴并且重構(gòu)目標函數(shù)，重寫CUDA核函數(shù)在GPU上實現(xiàn)折疊并取得良好的效果。

本發(fā)明分析、消除數(shù)據(jù)的循環(huán)依賴性，在并行時，同時有很多個GPU核心在參與計算，如果存在數(shù)據(jù)的循環(huán)依賴性，即本次迭代的結(jié)果在下一次或多次迭代中使用，那么在做GPU并行時，分配到不同的GPU核心上計算，這種情況下會產(chǎn)生錯誤的計算結(jié)果，因此必須消除數(shù)據(jù)循環(huán)依賴性來保證在GPU上并行的準確性以及得到準確的計算結(jié)果；最后在有了以上的基礎(chǔ)上，對原函數(shù)進行重構(gòu)保留適合并行的部分，已達到更好的GPU并行效果，結(jié)合CUDA把重構(gòu)的函數(shù)重寫為在GPU上運行的核函數(shù)。

附圖說明

圖1為本發(fā)明的gpu_preppfold和prepfold運行時間對比示意圖；

圖2為本發(fā)明的實驗結(jié)果圖比較示意圖。

具體實施方式