缓存结构GPU矩阵乘法算法的自动优化

摘要：

讨论在Fermi结构GPU使用CUDA对GEMM（单精度和双精度）算法进行优化，以及Fermi体系结构的新特性（如缓存）对性能的影响。GPU缓存一方面可以提高处理器在运行时数据访问的局部性，另一方面使得代码性能对与性能相关算法参数的依赖变得不可预测。自动优化技术可以用来解决这一问题。自动优化的SGEMM和DGEMM代码在Tesla C2050 GPU上达到了563GFlops和253GFlops的性能。代码使用CUDA和C语言进行实现，未进行二进制代码级别的优化。

关键词：GPU程序设计、矩阵乘法、自动优化、GEMM模板

分类号：TN40;TP312(微电子学、集成电路（IC）)

资助基金：国家自然科学基金61240045；博士后科学基金2013M540821；河南省教育厅科学技术研究重点项目13A520065

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：137-140