ارزیابی کارایی پیاده سازی الگوریتم های گرافیکی و محاسباتی سطح بالا در پردازنده های گرافیکی و انتخاب مدل برنامه نویسی بهینه

پردازنده گرافیکی (GPU) شامل پیش پردازنده های قوی است که با داشتن واسطه های مناسب برنامه نویسی، میتواند برای پردازش داده در کاربردهای وسیعی مورد استفاده قرار گیرد. فاکتور speed-up GPU که برای مقایسه عملکرد GPU با CPU بکار میرود، به ویژگی های مختلف برنامه کاربردی در حال اجرا بستگی دارد که معمولا این فاکتور برای الگوریتم های موازی با چگالی محاسباتی بالا، بیشتر است. در این مقاله ابتدا مدل های برنامه نویسی مورد استفاده در برنامه نویسی GPU با هم مقایسه شده و سپس با انتخاب مدل و محیط برنامه نویسی مطلوب، کارایی GPU بر روی تعدادی الگوریتم محاسباتی و الگوریتم های متداول در پردازش تصاویر سه بعدی مورد بررسی قرار می گیرد. الگوریتم ها بر روی بستر نرم افزاری CUDA توسعه داده شدهاند که کد C را به طور مستقیم به GPU تبدیل می کند. پیاده سازی الگوریتم ها شامل یکسری تبدیلات سه بعدی، تبدیلات فوریه همچنین رویه های شناخت الگو، الگوریتمهای نوسازی و رویههای کلاسبندی، الگوریتم بررسی اتصال گراف میشود. با توجه به نتایج، پیاده سازی الگورتیم ها بر GPU؛ 10 تا 20 برابر سریعتر از پردازنده های محاسباتی مرسوم state-of-the-art عمل میکند که مقدار بهبود سرعت ، بسیار به نوع الگوریتم وابسته است.

کلیدواژه ها:

، CUDA ، GPGPU ، الگوریتم های سطح بالا ، پردازش تصویر ، برنامه نویسی GPU ، پردازش موازی