GPU Saturday技术沙龙：OpenCL程序员眼中的下一代APU架构

摘要：GPU Saturday技术沙龙在北京·3WCoffee成功举办。本次活动邀请AMD资深技术人员及清华大学项目研究员就AMD最新的GCN架构、GPU加速计算在挖掘比特币、典型图像算法、深度神经网络算法等领域的分析与应用展开深入讨论。

[CSDN报道] 9月5日，GPU Saturday技术沙龙在北京·3WCoffee成功举办。本次活动邀请了AMD开发者关系经理谢海波、AMD工程师田旭文、AMD 资深工程师张前锋、AMD研究员谷俊丽以及清华大学陈晓明发表主题演讲，议题针对AMD最新的GCN架构、GPU加速计算在挖掘比特币、典型图像算法、深度神经网络算法(DNN)等领域的分析与应用展开深入讨论。

AMD开发者关系经理 谢海波

会议开始，谢海波发表了题为《OpenCL程序员眼中的下一代APU架构：HSA与GCN》的主题演讲。他简单介绍了AMD下一代APU产品Kaveri 。Kaveri为芯片设计领域带来一次革命性的变革，为APU产品引入了HSA和GCN架构并分享了上述变革对软件程序员的影响。（演讲视频、演讲PPT下载）

AMD工程师 田旭文

紧接着，田旭文在《GPU计算与图像处理》主题演讲中主要以图像滤波和插值做为典型案例，向与会者们介绍数字图像处理的入门级并行算法，引导编程爱好者们在GPU或者APU上实现图像处理算法的并行程序，包括实现并行算法的主要步骤和性能的调整及优化。（演讲视频、演讲PPT下载）

AMD资深工程师 张前锋

随后，张前锋为大家分享了《CPU与GPU并行编程对比分析》的主题演讲，从软件编码到硬件实现再到操作系统支持的角度着重介绍了OpenCL+GPU并行编程和CPU多线程并行编程的不同点，让与会者对OpenCL+GPU并行编程有了更加深入的理解。（演讲视频、演讲PPT下载）

AMD研究员 谷俊丽

深度神经网络算法（DNN）是近几年在工业界和学术界新型的一个机器学习领域的热点话题。DNN算法成功的将以往的识别率提高了一个显著的档次。谷俊丽在《深度神经网络算法(DNN)的分析、应用与挑战》的主题演讲中着重介绍了DNN的算法及其应用场景，深度解析了其对硬件系统实现提出的挑战。（演讲视频）

清华大学 陈晓明

最后，陈晓明发表题为《基于GPU的稀疏矩阵LU分解》的主题演讲。稀疏线性方程组求解Ax=b是很多科学计算与工程应用的核心问题，例如天气预报、流体力学仿真、经济模型模拟、集成电路仿真、电气网络仿真、网络分析、有限元方法等。陈晓明以集成电路仿真中的极稀疏矩阵LU分解为例，讲述稀疏LU分解在GPU上的并行方法、以及性能优化方法。（演讲视频、演讲PPT下载）

现场与会者们仔细聆听中（视频完整版）

---

关于GPU Saturday

"GPU Saturday"是一个以探讨GPU相关技术、异构计算、OpenCL等技术及其相关应用的开发者俱乐部。希望通过这样一个开放和轻松愉悦的交流平台，促进不同领域、公司和个人之间的技术交流。对目前技术运用中遇到的问题进行深入讨论，同时对工作中相关技术的创新性、研究性、趋势性等的思路碰撞。它也是CSDN异构开发技术社区的线下活动俱乐部。

关于本次活动的视频和更多相关精彩内容，请持续关注异构开发技术社区。