基于CUDA的快速图像压缩

为了进一步提高JPEG编码效率,对JPEG压缩算法进行研究,分析得出JPEG核心步骤可以并行化处理.因此,实现平台宜采用以并行计算为优势的GPU,而不是以串行计算为主的CPU.NVIDIA新推出的CUDA(计算统一设备架构)为此实现提供了软硬件环境.CUDA是基于GPU进行通用计算的开发平台,非常适合大规模的并行数据计算.在GPU流处理器架构下用CUDA技术实现编码并行化,并针对流处理器架构特点进行内存读写等方面的优化,提高了JPEG编码的速度.实验结果表明了CUDA技术在并行处理方面的优越性,JPEG编码效率得到了极大提高.     

多核处理器构架的高速JPEG解码算法

实现基于多核处理器构架的JPEG解码算法;通过将JPEG算法并行化,在多个处理器核上并行处理,并针对多核处理器构架进行内存读取等方面的优化,可极大地提高JPEG解码算法的解码速度。实测表明,在4核集成的多核处理器上,JPEG图像的平均解码周期为单核处理器上的28％左右。     

基于OpenCL的JPEG压缩算法并行化设计与实现

随着图像数据的大量增加,传统单处理器或多处理器结构的计算设备已无法满足实时性数据处理要求。异构并行计算技术因其高效的计算效率和并行的实时性数据处理能力,正得到广泛关注和应用。利用GPU在图形图像处理方面并行性的优势,提出了基于OpenCL的JPEG压缩算法并行化设计方法。将JPEG算法功能分解为多个内核程序,内核之间通过事件信息传递进行顺序控制,并在GPU+CPU的异构平台上完成了并行算法的仿真验证。实验结果表明,与CPU串行处理方式相比,本文提出的并行化算法在保持相同图像质量情况下有效提高了算法的执行效率,大幅降低了算法的执行时间,并且随着图形尺寸的增加,算法效率获得明显的提升。     

基于ARM的JPEG编码器设计与实现

提出了一种利用ATMEL公司的AT91RM9200处理器快速实现JPEG压缩编码的方法。结合处理器的特点,对JPEG算法进行了优化,降低了运算的复杂度。实验取得了良好的实时性效果。     

Mali T604 GPU 的二维浮点矩阵运算并行优化方法

基于以三星的 Exynos5250处理器为核心的 Arndale Board 嵌入式开发平台,对集成于处理器上的 Mali T604嵌入式 GPU 的 GPGPU(General-Purpose computation on GPU)技术进行研究,并对不同运算规模的浮点矩阵乘法进行并行加速优化,提供实际测试结果。Linux 操作系统上的实验结果显示,基于 Mali GPU 的并行浮点矩阵乘法方案相对原始串行算法而言,效率显著提高,并且运算规模的增大可以显著提高并行性。     

3D游戏利器 主流嵌入式处理器GPU逐个看

现在智能手机/平板电脑几乎全部采用ARM架构,在处理器内核方面可以说是ARM一统天下,这种设备大多采用ARMCortex A8/A9架构,唯一有区别的就是处理器内GPU核心。NVIDIA推出了整合自家GPU核心的Tegra2处理器,出色的3D显示性能,给游戏带来全新的体验,嵌入式处理器的图形处理也越来越得到消费者的重视,下面我们就来看看各家处理器内置的GPU核心的规格和性能。     

通用图形处理器GPGPU的并行计算研究

随着图形处理器(GPU)从仅用来进行图形图像渲染,脱离成为并行计算平台通用图形处理器(GPGPU),其计算能力越来越强,本文在研究GPGPU体系结构的基础上对GPGPU并行计算线程调度进行深入研究,阐述了GPU线程调度原理,揭示了SIMT调度模式的不足.通过公式推导阐述了系统功耗与系统运行频率的关系.     

全新英伟达Tesla GPU打破科学计算世界纪录

5月17日,英伟达公司发布了英伟达Tesla M2090GPU。该产品是全球最快的高性能计算并行处理器,此外英伟达Tesla M2090 GPU在科学计算的关键衡量指标中实现了史上最高性能。Tesla M2090 GPU拥有512个CUDA并行处理器核心,     

GPU加速的神经网络BP算法*

近年来图形处理器(GPU)快速拓展的可编程性能力加上渲染流水线的高速度及并行性,使得图形处理器通用计算(GPGPU)迅速成为一个研究热点。针对大规模神经网络BP算法效率低下问题,提出了一种GPU加速的神经网络BP算法。将BP网络的前向计算、反向学习转换为GPU纹理的渲染过程,从而利用GPU强大的浮点运算能力和高度并行的计算特性对BP算法进行求解。实验结果表明,在保证求解结果准确度不变的情况下,该方法运行效率有明显的提高。     

基于GPU加速的光线与三角面片求交

近年来，随着图形处理器（GPU）能力以及可编程技术的发展，基于图形处理器的通用计算成为一个研究的热点。文章介绍了图形处理器的发展和结构，以及在使用通用计算时所面临的一些问题；具体介绍了利用GPU进行光线和空间三角形面片的求交测试。     

异构来临 HSA联盟初探

GPU是强大的并行处理器,CPU是强劲的串行处理器,那么CPU和GPU如果各取所长,联合在一起的话,是不是可以发挥最强大的能力呢?AMD在APU推出后,就在全力发展CPU和GPU的异构计算,HAS联盟就是AMD在异构计算上最大的杀招。     

基于硬件性能计数器的GPU功耗预测模型

图形处理器GPU以其高性能、高能效优势成为当前异构高性能计算机系统主要采用的加速部件。虽然GPU具有较高的理论峰值能效,但其绝对功耗开销明显高于通用处理器。随着GPU在高性能计算领域的应用逐渐扩展,面向GPU的低功耗优化研究将成为该领域的重要研究方向之一。准确的功耗预测是功耗优化研究的重要前提,本文提出了基于硬件性能计数器的GPU功耗预测方法。该方法基于硬件性能计数器信息,结合GPU在部分运行频率下的功耗值,通过线性回归的方法预测处理器在其他运行频率下的功耗值。实验结果表明,该方法可以准确地预测GPU功耗。     

ARM MAL1-450 MP图形处理器提供下一代图形处理性能

ARM推出ARM Mali-450MP图形处理器（GPU），其性能是已获成功的基于Utgard架构的图形处理器系列产品（包括Mali-400 MP GPU）的两倍。Mali-400 MP GPU目前已被智能电视、安卓智能手机和平板等大量主流产品所采用。     

Fusion来袭 AMD Llano桌面APU处理器

处理器中融合GPU渐渐成为趋势,Intel的SNB架构整合了GPU,核芯显卡性能不错,堪比低端独立显卡。不过AMD在整合显卡方面一直是强项,因此,AMD的APU才得到更多用户的关注,成为AMD迎战Intel的又一利器。目前,面向笔记本平台的低功耗APU处理器已经上市,并且有不少笔记本采用这款处理器,随后,AMD又推出了Llano桌面APU处理器,将Fusion进行到底。     

基于GPU的皮肤变形算法

为提高基于实例的皮肤变形算法的效率和速度,对加权姿态空间变形(WPSD)等算法进行了研究.WPSD中需要的逐顶点计算可以在GPU上以单指令流多数据流(SIMD)方式并行执行.并行顶点计算一般在GPU顶点处理器中执行,但是更进一步的并行操作是可以由片段处理器来获取到的.提出了一种基于GPU片段处理器实现的并行变形算法.每个顶点的关节权值可以由样本姿态自动的计算出,因此减少了手动操作,提高了WPSD等皮肤变形算法的质量.     

基于FSL总线的JPEG解码协处理器

介绍一种面向嵌入式应用,能与Micrblaze处理器较好地异步协同工作,不需要专用双口RAM的JPEG解码协处理器。该JPEG解码器采用Verilog语言实现,能很好地处理JFIF格式的JPEG压缩文件,并且在只有少量缓冲空间的FIFO上能正确工作。验证实验结果表明,该处理器在xilinx公司的XUP Virtex II Pro开发板上,采用FSL总线与Microblaze 处理器相连,工作效率较高。     

异构来临 HSA联盟初探

GPU是强大的并行处理器,CPU是强劲的串行处理器,那么CPU和GPU如果各取所长,联合在一起的话,是不是可以发挥最强大的能力呢？AMD在APU推出后,就在全力发展CPU和GPU的异构计算,HAS联盟就是AMD在异构计算上最大的杀招。     

一种单GPU程序向多GPU移植的模板化技术

图形处理器(GPU)作为一种高度并行化的处理器架构,已得到越来越多的重视,目前已诞生了以NVIDIA CUDA为代表的各种GPU通用计算技术,同时多GPU并行计算也已有了实际的应用.多GPU并行计算涉及GPU与CPU两者之间的协调和交互,对程序员有着更高的要求.为此,提出一种基于模板的源代码生成技术,通过模板转化来支持单GPU程序的并行化移植.最后通过一个实例表明使用提出的CUDA源代码移植框架能够自动生成与手写程序等价的代码,可以显著降低多GPU下CUDA程序的开发代价,提高CUDA应用程序员的生产效率.     

2000元装机主力 两款AMD A4系列APU

AMD的A系列APU处理器依靠CPU和GPU的完美融合,以及平衡的CPU、GPU性能,吸引了相当一部分追求性价比的用户。在处理器发展史上,AMD开创了处理器的融聚时代,异构运算和统一内存寻址成为未来的发展方向。异构运算是未来的发展方向,     

多GPU系统虚实地址转换架构研究

近年来,随着大数据的发展,GPU应用的数据集规模急剧增加,这对GPU的处理能力提出了挑战.由于摩尔定律即将达到极限,提升单一GPU的性能变得越发困难,而多GPU系统通过提升GPU处理器级的并行性,成为应对该挑战的一种解决方案.GPU制造商对内存虚拟化的支持进一步简化了多GPU系统的编程,提升了资源利用率.内存虚拟化需要...