📄Работа №80257
Тема: Технология программирования CUDA,как одна из технологий GPGPU
Тип работы
Дипломные работы, ВКР
Предмет
Информатика и вычислительная техника
Объем:
44 листов
Год:
2016
Просмотров:
307
4280
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Оглавление 1
Введение 4
1 Техническое задание 5
2 Научно-исследовательская часть 12
2.1 Постановка задачи 12
2.1.1 Метод итераций в подпространстве 12
2.1.2 Математическое представление задачи 13
2.2 Методы решения 14
2.2.1 Решение на основе матриц жесткости элементов 14
2.2.2 Решение на основе глобальной матрицы жесткости 15
2.3 Выбор технологии 17
2.3.1 Вычисления общего назначения на графических устройствах
17
2.3.2 Технология Nvidia CUDA 17
2.3.3 Альтернативы технологии CUDA 17
2.4 Анализ результатов 18
2.4.1 Анализ работы программ 18
2.4.1.1 Анализ вычисления матрицы в подпространстве с
использованием матриц жесткости элементов 18
2.4.1.2 Анализ вычисления матрицы в подпространстве с
использованием глобальной матрицы жесткости 20
2.4.2 Сравнение скорости выполнения на GPU и CPU 20
3 Проектно-конструкторская часть 21
3.1 Структуры хранения данных 21
3.1.1 Расширенная матрица 21
3.2 Представление данных в программе 23
3.2.1 Блочная матрица 23
3.3 Программная реализация 24
3.3.1 Вычисление матрицы в подпространстве с использованием
матриц жесткости элементов 24
3.3.1.1 Выполнение на GP U 24
3.3.2 Вычисление матрицы в подпространстве с использованием
глобальной матрицы жесткости 26
3.3.2.1 Выполнение на GPU 26
3.3.2.2 Выполнение на CPU 27
4 Технологическая часть 27
4.1 Архитектура CUDA 27
4.2 Аппаратная модель CUDA 29
4.2.1 Планировщик блоков потоков 29
4.2.2 Мультипроцессор 30
4.3 Программная модель CUDA 32
4.3.1 Расширение языка 32
4.3.1.1 Спецификаторы функций 32
4.3.1.1 Спецификаторы переменных 33
4.3.1.2 Оператор запуска ядра 34
4.3.1.3 Встроенные переменные 35
4.3.1.4 Дополнительные типы данных 35
4.3.2 Представление потоков CUDAв программе 35
4.3.3 Модель памяти 37
4.3.3.1 Локальная 38
4.3.3.2 Регистровая 38
4.3.3.3 Глобальная 38
4.3.3.4 Разделяемая 39
4.3.3.5 Константная 39
4.3.3.6 Текстурная 39
5 Заключение 41
Библиографический список 42
Введение 4
1 Техническое задание 5
2 Научно-исследовательская часть 12
2.1 Постановка задачи 12
2.1.1 Метод итераций в подпространстве 12
2.1.2 Математическое представление задачи 13
2.2 Методы решения 14
2.2.1 Решение на основе матриц жесткости элементов 14
2.2.2 Решение на основе глобальной матрицы жесткости 15
2.3 Выбор технологии 17
2.3.1 Вычисления общего назначения на графических устройствах
17
2.3.2 Технология Nvidia CUDA 17
2.3.3 Альтернативы технологии CUDA 17
2.4 Анализ результатов 18
2.4.1 Анализ работы программ 18
2.4.1.1 Анализ вычисления матрицы в подпространстве с
использованием матриц жесткости элементов 18
2.4.1.2 Анализ вычисления матрицы в подпространстве с
использованием глобальной матрицы жесткости 20
2.4.2 Сравнение скорости выполнения на GPU и CPU 20
3 Проектно-конструкторская часть 21
3.1 Структуры хранения данных 21
3.1.1 Расширенная матрица 21
3.2 Представление данных в программе 23
3.2.1 Блочная матрица 23
3.3 Программная реализация 24
3.3.1 Вычисление матрицы в подпространстве с использованием
матриц жесткости элементов 24
3.3.1.1 Выполнение на GP U 24
3.3.2 Вычисление матрицы в подпространстве с использованием
глобальной матрицы жесткости 26
3.3.2.1 Выполнение на GPU 26
3.3.2.2 Выполнение на CPU 27
4 Технологическая часть 27
4.1 Архитектура CUDA 27
4.2 Аппаратная модель CUDA 29
4.2.1 Планировщик блоков потоков 29
4.2.2 Мультипроцессор 30
4.3 Программная модель CUDA 32
4.3.1 Расширение языка 32
4.3.1.1 Спецификаторы функций 32
4.3.1.1 Спецификаторы переменных 33
4.3.1.2 Оператор запуска ядра 34
4.3.1.3 Встроенные переменные 35
4.3.1.4 Дополнительные типы данных 35
4.3.2 Представление потоков CUDAв программе 35
4.3.3 Модель памяти 37
4.3.3.1 Локальная 38
4.3.3.2 Регистровая 38
4.3.3.3 Глобальная 38
4.3.3.4 Разделяемая 39
4.3.3.5 Константная 39
4.3.3.6 Текстурная 39
5 Заключение 41
Библиографический список 42
📖 Введение
В настоящей работе за основу взята реализация метода итераций в подпространстве для определения собственных частот и форм колебаний конечно-элементных моделей с большим числом степеней свободы, реализованный на CPUв программном комплексе UZOR1.0, имеющего параллельную сетевую архитектуру клиент-сервер. Этап вычисления проекции матрицы жесткости в рассматриваемой реализации выполняется в серверной части программы и занимает около 40-60% от всего времени выполнения одной итерации алгоритма, в зависимости от характеристик конкретной конечно-элементной модели при осуществлении расчета на одном вычислительном узле. В связи с этим, повышение производительности данного этапа за счет применения графического процессора является актуальным, поскольку позволит существенно повысить общую производительность при решении задачи.
Целью работы является повышение производительности расчета за счет применения GPUпри решении задачи об определении собственных частот колебаний конструкции.
Для достижения цели была поставлена задача - адаптировать алгоритмы и реализовать программный компонент для нахождения матрицы жесткости в подпространстве собственных форм, с учетом особенностей вычислений на графическом процессоре.
Целью работы является повышение производительности расчета за счет применения GPUпри решении задачи об определении собственных частот колебаний конструкции.
Для достижения цели была поставлена задача - адаптировать алгоритмы и реализовать программный компонент для нахождения матрицы жесткости в подпространстве собственных форм, с учетом особенностей вычислений на графическом процессоре.
✅ Заключение
Технология Nvidia CUDAявляется удобным и эффективным средством для вычислений общего назначения на графических устройствах. Скорость решения задачи по определению матрицы жесткости в подпространстве собственных форм с применением данной технологии увеличилась в несколько раз (в сравнении с CPUверсией). Современные графические процессоры имеют большие возможности в решении массивно-параллельных задач. CUDAрасполагает простым механизмом выполнения параллельных программ на различных аппаратных платформах. Так один алгоритм, написанный с применением CUDA,может быть запущен на различных картах компании, и скорость выполнения будет зависеть только от аппаратных средств GPU.Таким образом данная технология позволяет системам быть легко масштабируемыми, а программное обеспечение переносимым и актуальным.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.