基于CUDA的快速GPGPU数据重排核
Fast GPGPU Data Rearrangement Kernels using CUDA
摘要：
许多高性能计算算法都是带宽有限的，因此需要最佳的数据重排内核以及它们容易集成到应用程序的其余部分。在这项工作中，我们已经建立了一个CUDA库的快速内核的一组数据重排操作。特别是，我们已经建立了通用的内核重新排列m维数据到n维，包括置换，重新排序，交错/去交错等，我们还建立了通用Stenchmark计算的内核，对一个二维数据使用模板和函子，使应用程序开发人员能够快速构建定制的高性能内核。所有构建的内核在带宽利用率方面都达到或超过了最知名的性能。
英文摘要：
Many high performance-computing algorithms are bandwidth limited, hence the need for optimal data rearrangement kernels as well as their easy integration into the rest of the application. In this work, we have built a CUDA library of fast kernels for a set of data rearrangement operations. In particular, we have built generic kernels for rearranging m dimensional data into n dimensions, including Permute, Reorder, Interlace/De-interlace, etc. We have also built kernels for generic Stencil computations on a two-dimensional data using templates and functors that allow application developers to rapidly build customized high performance kernels. All the kernels built achieve or surpass best-known performance in terms of bandwidth utilization.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
