برنامه نویسی موازی اسکلتی برای اسکلت تقسیم و حل بر روی پردازنده گرافیکی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 970
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCITC01_068
تاریخ نمایه سازی: 27 آبان 1393
چکیده مقاله:
موازی سازی، یک رویکرد مناسب، برای تسریع محاسبات با حجم زیاد است. اما برنامه نویسی موازی هنوز دارای دشواری هایی است. اسکلت های الگوریتمی، یک مدل برنامه نویسی موازی هستند که سطح بالایی از انتزارع را برای برنامه نویس فراهم می کنند. این روش، با استفاده از مؤلفه های از پیش تعریف شده، برنامه نویسی موازی را آسان تر می کند. تقسیم و حل، یک الگوی موازی مناسب برای پیاده سازی به ع نواناسکلت می باشد؛ به طوری که راه حل مسئله اصلی از تقسیم آن به زیر م سائل ک وچک تر و حل آن ها به صورت موازی بدست می آید. امروزه پردازنده گرافیکی به علت دارا بودن قدرت محاسباتی بالا، به عنوان یک پردازنده محاسباتی جذاب برای انجام کارهای موازی به کار برده می شود. در این مقاله، پیاده سازی اسکلت تقسیم و حل بر روی پردازنده گرافیکی پیشنهاد شده است. DC_GPU یک اسکلت تقسیم و حل اجرا شده بر روی GUP است که از طریق استفاده از رابطه برنامه نویسی منطبق با زبان ++C، برنامه نویسی موازی را آسان تر می کند. با استفاده از کاربردهای mergesort و تشخیص لبه sobel عملکرد این اسکلت مورد ارزیابی قرار گرفته است. نتایج نشان می دهد این اسکلت عملکرد مناسبی بر روی GPU دارد.
کلیدواژه ها:
اسکلت های الگوریتمی ، اسکلت تقسیم و حل ، پردازنده گرافیکی (GPU) ، رابطه برنامه نویسی به زبان ++mergesort ، C ، تشخیص لبه sobel
نویسندگان
فهیمه بقایری
دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، مشهد، ایران
حسین دلداری
دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، مشهد، ایران
داود بهره پور
دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی فناوری اطلاعات، دانشکده فنی و مهندسی، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :