GPU并行编程方法

(2012-04-10 09:20:59)
转载
标签: 

杂谈


编写利用GPU加速的并行程序有多种方法,归纳起来有三种:

1.       利用现有的GPU函数库。

Nvidia CUDA工具箱中提高了免费的GPU加速的快速傅里叶变换FFT)、基本线性代数子程序(BLAST)、图像与视频处理库(NPP)。用户只要把源代码中CPU版本的快速傅里叶变换、快速傅里叶变换和图像与视频处理库替换成相应的GPU版,即可得到性能加速。除了Nvidia提供的函数库以外,第三方的GPU函数库有:

  • CUDA数据并行基元库(cuDPP
  • CULA工具:由EM Photonics公司推出, CUDA GPU中的LAPACK
  • MAGMA:由Dongarra’s Group推出,CUDA GPU和多核CPU中的LAPACK
  • 雅可比预处理共轭梯度(JCG
  • GPULib:针对接口描述语言(IDL)以及矩阵实验室(MATLAB)的数学函数库
  • GPU VSIPL信号处理库
  • 计算机视觉(CV)以及成像库
  • OpenCurrent: 规则网格系统中CUDA加速PDE(partial differential equation,偏微分方程)开源数据库解决方案
  • CUDA / GPU中的libSVM
    • Multisvm:利用CUDA的多等级SVM
    • cuSVM:支持矢量分类与衰减的CUDA使用方法

2.       CUDA 编程。

这是最普遍、最适用的方法,使用CUDA可以最大限度地发挥GPU的加速性能。

3.       指令(Directive )编程。

基于的OpenACC标准,GPU Directive编程是加快科学或工业的代码容易的、行之有效的方法。使用GPU指令,简单地在你的源码中插入编译指令,编译器会自动把计算密集型代码部分映射到到GPU的中去计算,从而加速你的代码。下面是一个简单的用一条指令如何可以加快计算圆周率的例子。使用GPU指令,你可以很快上手,并在当天看到的结果。


 

OpenACC编程的优点:

l  简单:只要在你的代码中插入编译提示

l  开放:单个代码库既可以在CPU又可以在GPU上运行

l  功能强大:只需几小时就可以发挥GPU的强大

 

并行计算工具的领导者PGICAPSCray 将率先支持OpenACC


你可能感兴趣的:(GPU并行编程方法)