基于Stencil算法的NVIDIA Kepler架構(gòu)下的性能分析與調(diào)優(yōu).pdf

1、在很多計算密集的應用中，Stencil算法（模板計算）是耗時最多和最為重要的計算核心。隨著GPU通用計算加速卡出色的計算能力、功耗控制和編程的簡化，GPU加速卡在科學研究中的工作站和超級計算機中得到普遍使用，如何在GPU這樣的異構(gòu)設備上將Stencil算法進行性能優(yōu)化和提高效率便成了一個亟待解決的關鍵問題。在本文中，我們選取了3D7P這個典型應用進行研究。通過對這個典型應用在Kepler架構(gòu)GPU上的優(yōu)化和分析，我們探討了不同優(yōu)化手段對

2、于計算性能產(chǎn)生的影響。NVIDIA Kepler架構(gòu)是Tesla系列服務器級GPU中最新的架構(gòu)，我們研究了Tesla K20、K40、K80，基本涵蓋了Kepler架構(gòu)的絕大部分核心。并借助性能分析工具——nvprof，通過收集程序執(zhí)行中的硬件指標和性能事件，對Stencil計算在不同優(yōu)化手段下性能的差異進行了比較和分析。對于訪存受限類型的3D7P程序在不同的Tesla GPU上，經(jīng)過性能調(diào)優(yōu)后訪存帶寬基本達到了對應的實際帶寬峰值。本文