NVIDIA Tegra K1异构计算平台访存优化研究

摘要：

在异构计算平台的移植和优化过程中,数字图像处理算法的访存性能已成为制约系统性能的主要因素.为此,结合NVIDIA Tegra K1硬件架构特征和具体算法特性,从合并与向量化访存优化、全局访存bank和channel冲突消除等方面,对矩阵转置算法和拉普拉斯滤波算法在NVIDIA Tegra K1异构计算平台上的实现和访存性能优化进行研究.实验结果表明,采用优化方法后的矩阵转置算法和拉普拉斯滤波算法在NVIDIA Tegra K1异构计算平台上取得了较大的访存性能提升,并且具有较好的实时性.

关键词：GPU优化、访存带宽、数据本地化、向量化、合并访问、拉普拉斯滤波算法

所属期刊栏目：42

分类号：TP311.1(计算技术、计算机技术)

资助基金：国家自然科学基金重大研究计划项目91420202;北京市教育委员会科技计划面上项目SQKM201411417010,KM2015 11417003

在线出版日期：2017-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：44-49