libhclooc: Software Library Facilitating Out-of-core Implementations of Accelerator Kernels on Hybrid Computing Platforms
图形处理单元(GPU)、英特尔至强融核协处理器(PHI)和现场可编程门阵列(FPGA)等硬件加速器现在普遍存在于超大规模高性能计算(HPC)、云和大数据平台中,以促进需要高能效的工作负载的执行。它们提供了独特的接口和编程模型,因此造成了一些限制,必须解决这些限制以促进大型工作负载的执行。没有一个库提供一个统一的接口,允许程序员编写可重用的数据并行内核的核外实现,这些内核可以在不同的主流加速器(如GPU、PHI和FPGA)上高效运行。我们在本文中解决了这一不足。我们提出了一个名为libhclooc的库,它提供了一个统一的接口,方便在三种不同的主流加速器(GPU,英特尔至强Phis,FPGA)上的数据并行内核的核外实现。我们使用libhclooc API实现了核外矩阵-矩阵乘法(MMOOC),并展示了其优于供应商实现的性能。我们发现,与Nvidia K40 c GPU,Nvidia P100 PCIe GPU和Intel Xeon Phi 3120 P的最新优化实现相比,它的最大开销分别为10%,4%和8%(由于抽象)。我们还表明,使用libhclooc API减少了75%的代码行数,从而大大提高了程序员的工作效率。
2018-08-15 cs.DC
An OpenSHMEM Implementation for the Adapteva Epiphany Coprocessor
本文报告的实现和性能评估的OpenSHMEM 1.3规范的Adapteva主显节架构内的Xellella单板计算机。Epiphany架构具有巨大的众核可扩展性,具有物理紧凑的RISC CPU内核2D阵列和快速的片上网络(NoC)。虽然完全能够执行MPMD,但核心和网络的物理拓扑和内存映射功能可以很好地转换为分区全局地址空间(PGAS)编程模型和使用SHMEM的SPMD执行。
2016-08-11 cs.DC
NUMA-aware FFT-based Convolution on ARMv8 Many-core CPUs
卷积神经网络(Convolutional Neural Network,CNN)是深度学习最具代表性的算法之一,广泛应用于各种人工智能应用中。卷积运算通常占用CNN的大部分计算开销。基于FFT的卷积算法可以通过降低卷积算法的复杂度来提高卷积运算的效率,在众核CPU上实现基于FFT的卷积算法已经有很多研究工作。然而,对于众核CPU中的非均匀存储器访问(NUMA)特性,没有优化。在本文中,我们提出了一个NUMA感知基于FFT的卷积实现的ARMv8众核CPU与NUMA架构。该实现通过FFT变换的数据重排和复矩阵乘法的三级并行化,减少了远程内存访问的次数。在ARMv8多核CPU上的实验结果表明,在大多数情况下,NUMA感知的实现比现有的工作具有更好的性能。
2021-09-25 cs.DC
Experience with Distributed Memory Delaunay-based Image-to-Mesh Conversion Implementation
本研究评估了基于共享内存实现构建的分布式内存Delaunay图像转网格算法的可扩展性与开发效率,发现分布式版本有一定加速比但单节点开销较高,对黑盒复用共享内存代码的思路提出质疑。
2023-08-24 cs.DC
An Efficient Multi-core Implementation of the Jaya Optimisation Algorithm
在这项工作中,我们提出了一个混合并行Jaya优化算法的多核环境,其目的是解决大规模的全球优化问题。该算法被称为HHCP Jaya,并结合了超人口的方法与层次合作搜索机制。HHCPJaya算法将种群划分为许多小的子种群,每个子种群专注于原始种群维度的不同块。在超种群方法中,我们通过为每个核心分配一个以上的子种群来增加小的子种群,每个子种群独立进化,以增强种群的探索性和剥削性。我们结合这种超人口的方法与两级分层合作搜索计划,从所有子群体找到全局解决方案。此外,我们将一个额外的更新阶段的基础上的各个子群体的整体解决方案,进一步提高收敛速度和解决方案的质量的目的。在不同的设置应用所提出的并行算法的几个实验证明,它表现出足够的承诺,在解决方案的质量和收敛速度。此外,一个相对较小的计算工作需要解决复杂和大规模的优化问题。
2017-12-09 cs.DC
DGEMM with Ozaki Scheme I/II on FP4 Tensor Cores: A Base-13 E2M1 Limb Representation
Nagoya University(名古屋大学)
该研究在FP4张量核心上构建Ozaki格式I/II,提出基-13 E2M1 limb表示方法及内核优化,在RTX PRO 6000 Blackwell上实现FP64矩阵乘法模拟,大问题规模下性能超FP8版本。
2026-08-10 cs.DC
Boosting Multi-Core Reachability Performance with Shared Hash Tables
本文重点研究了多核可达性的数据结构,这是模型检验算法和其他验证方法的关键组成部分。高效解决方案的基石是访问状态的存储。在相关的工作中,状态空间的静态分区与线程本地存储相结合,并导致合理的加速,但是否有可能改进仍然是开放的。在本文中,我们提出了一种基于无锁哈希表实现的共享状态存储的扩展解决方案。该解决方案专为现代CPU的缓存架构而设计。由于模型检验算法对哈希表操作的要求不严格,因此与无锁哈希表的相关工作相比,它们的设计可以大大简化。尽管如此,这里提出的哈希表的实现具有几十个敏感的性能参数(桶大小、高速缓存线大小、数据布局、探测序列等)。我们分析了它们的影响,并与相关工具进行了比较。我们的实现优于两个国家的最先进的多核模型检查器(SPIN和DiVinE)的大幅利润,同时放置更少的约束的负载均衡和搜索算法。
2010-05-05 cs.DC
DiSquawk: 512 cores, 512 memories, 1 JVM
为了应对每个处理器不断增长的核心数量,硬件架构师正在尝试模块化的非缓存一致性架构。这种架构将存储器一致性委托给软件。相反,像Java这样的高生产力语言,旨在抽象硬件细节,让开发人员专注于算法的实现。这种程序设计语言依赖于进程虚拟机来执行必要的操作以实现对应的存储器模型。然而,争论这种实现的正确性并不是微不足道的。在这项工作中,我们提出了我们的实现的Java内存模型在Java虚拟机针对512核非缓存一致性内存架构。我们不久将讨论设计决策,并提出早期的评估结果,这表明我们的实施规模与核心的数量。我们的实现模型的操作语义的Java核心演算,我们扩展与同步动作,并证明其遵守Java内存模型。
2016-06-14 cs.DC cs.PL
On the performance of various parallel GMRES implementations on CPU and GPU clusters
随着对计算能力和效率的需求的增加,并行系统在各个科学领域中变得越来越流行。虽然多核架构多年来一直是关注的焦点,但基于GPU的通用架构的快速发展将高性能计算提升到了一个新的水平。在这项工作中,不同的实现并行版本的预处理GMRES -一个建立的迭代求解大型和稀疏的线性方程组-,他们每个人都在不同的计算架构:从分布式和共享内存核心为基础的GPU架构。计算实验源自于用有限元法对基准边值问题的离散化。各种实现的主要优点和缺点的并行加速,执行时间和内存问题。其中,在不同的架构的结果比较,显示基于GPU的架构的高潜力。
2019-06-10 cs.DC
Efficient Execution of Irregular Wavefront Propagation Pattern on Many Integrated Core Architecture
图像处理算法的有效执行是生物信息学的一个活跃领域。在图像处理中,与不规则数据结构一起工作的一类算法或计算模式是不规则波前传播模式(IWPP)。在这个类中,元素以波传播的形式将信息传播给邻居。这种传播导致对数据的不规则访问和扩展。由于这种不规则性,这类算法的当前实现需要原子操作,这是非常昂贵的,并且还限制了在多集成核(MIC)架构中使用单指令多数据(SIMD)指令的实现,这对于在该处理器上获得高性能是至关重要的。本研究的目的是重新设计的不规则波前传播模式算法,以使处理器上的高效执行与许多集成的核心架构,使用SIMD指令。在这项工作中,使用英特尔®至强融核TM协处理器,我们实现了一个矢量版本的IWPP,与非矢量版本相比,其增益高达5.63倍,一个使用先进先出(FIFO)队列的并行版本,与协处理器上的单核版本相比,其加速高达55倍,使用优先级队列的版本,其性能比文献中可用的基于GPU的实现的最快版本高1.62倍,以及允许处理比英特尔®至强融核TM更大的图像的异构处理器之间的协作版本存储器,并且还提供了一种在计算中利用所有可用设备的方法。
2016-05-03 cs.DC
Tuning and optimization for a variety of many-core architectures without changing a single line of implementation code using the Alpaka library
我们提出了一个使用Alpaka硬件抽象库优化单个C++11源代码的性能分析。为此,我们使用通用矩阵乘法(GEMM)算法,以表明编译器可以优化Alpaka代码时,调整算法的关键参数有效。我们不打算与现有的高度优化的DGEMM版本竞争,而只是选择这个例子来证明Alpaka允许使用单个源代码进行特定于平台的调优。此外,我们分析了优化潜力与供应商特定的编译器时,面对大量的模板抽象的Alpaka。我们专门测试了Nvidia的Tesla P100、Intel的Knights Landing(KNL)和Haswell架构以及IBM的Power8系统等前沿架构的代码。在其中的一些上,我们能够使用上述手段达到峰值浮点运算性能的几乎50%。当添加特定于编译器的#pragmas时,我们可以在P100上达到5 TFLOPS/s,在KNL系统上超过1 TFLOPS/s。
2017-06-30 cs.DC
Parallel Performance of MPI Sorting Algorithms on Dual-Core Processor Windows-Based Systems
消息传递接口(MPI)是实现并行程序的一种常用接口.虽然基于Windows的体系结构提供了并行执行和多线程的设施,很少有人关注在这些平台上使用MPI。在本文中,我们使用基于Windows的双核平台上的并行进程的数量和核的数量对性能的影响的三个MPI并行实现的一些排序算法。
2011-05-30 cs.DC
Design, Construction, and Use of a Single Board Computer Beowulf Cluster: Application of the Small-Footprint, Low-Cost, InSignal 5420 Octa Board
近年来,单板的计算领域的发展迅速。威科公司的企业法律服务部进行了一项原型设计工作,以确定此类设备在实际和一般计算需求中的实用性。本文介绍了这项工作的背景,一个64核96 GHz集群的设计和构造,以及他们从一组仅需2300美元的小尺寸InSignal板中产生约400 GFLOP的可能性。此外,本文还讨论了集群上的软件环境,标准Beowulf库的使用及其操作,以及其他软件应用程序的使用,包括Elastic Search和ownCloud。最后,将考虑未来在业务环境中使用这些技术,以引入新的开源技术,降低计算成本,并缩短上市时间。索引术语:单板的计算,树莓派,InSignal Exynos 5420,Linaro Ubuntu Linux,高性能计算,Beowulf集群,开源,MySQL,MongoDB,ownCloud,计算架构,并行计算,集群计算
2015-01-05 cs.DC
Mixed-mode implementation of PETSc for scalable linear algebra on multi-core processors
随着多核处理器成为现代超级计算机中无处不在的构建块,现在是时候让应用程序在处理器设计中接受这些发展了。为了实现亿级性能,应用程序将需要利用现代高性能计算机中暴露的新并行级别的方法。一种典型的方法是使用共享内存编程技术来最好地利用多核节点以及节点间消息传递。在本文中,我们描述了在PETSc库中添加OpenMP线程功能。我们强调了一些问题,阻碍了线程应用程序在现代处理器上的良好性能,并描述了如何否定它们。PETSc的OpenMP分支使用从Fluidity中提取的矩阵进行基准测试,Fluidity是一种CFD应用程序代码,使用该库作为其线性求解器引擎。混合模式实现的整体性能优于纯MPI版本。
2012-08-10 cs.DC cs.PF
Accelerating Matrix Multiplication: A Performance Comparison Between Multi-Core CPU and GPU
本文在消费级异构平台上比较顺序 C++、OpenMP 多核 CPU 与带共享内存优化的 CUDA GPU 矩阵乘法,证明 GPU 在大矩阵上可获得最高约593倍加速。
2025-07-26 cs.DC
Parallelizing the Unpacking and Clustering of Detector Data for Reconstruction of Charged Particle Tracks on Multi-core CPUs and Many-core GPUs
我们提出的结果从并行化的解包和聚类步骤的原始数据从硅带模块重建带电粒子轨道。通过在CPU上使用嵌套的OpenMP并行性或在GPU上使用CUDA流来并发处理多个事件,吞吐量得到进一步改进。新的实现以及早期的工作,在开发一个并行化和矢量化的组合卡尔曼滤波器算法的实现,使整个事件的有效的全球重建现代计算机架构。我们展示了在英特尔至强和NVIDIA GPU架构上的新实现的性能。
2021-01-27 cs.DC hep-ex
Single-Producer/Single-Consumer Queues on Shared Cache Multi-Core Systems
使用高效的点对点通信通道是在现代共享缓存多核架构上实现细粒度并行程序的关键。本文详细讨论了无等待单生产者/单消费者队列(SPSC)的几种实现方法,并提出了一种新颖有效的实现无界无等待SPSC队列(uSPSC)的算法。给出了新算法的正确性证明,并给出了基于简单综合基准测试和微基准测试的性能测试结果。
2010-12-08 cs.DC cs.DS
High-Throughput Parallel Viterbi Decoder on GPU Tensor Cores
在GPU平台上实现Vitrerbi解码算法的研究工作很多,因为GPU平台提供了相当大的灵活性,除了良好的性能。最近,现代GPU架构中最近推出的Tensor核心提供了令人难以置信的计算能力。提出了一种基于Tensor核的Viterbi译码算法在现代GPU架构中的并行实现方法。所提出的并行算法进行了优化,以有效地利用张量核的计算能力。实验表明,相当大的吞吐量的改善与以前的作品相比。
2020-11-27 cs.DC eess.SP
A polyphase filter for many-core architectures
在这篇文章中,我们讨论了我们的实现多相滤波器的实时数据处理在射电天文学。我们详细描述了多相滤波器算法的实现及其在三代NVIDIA GPU卡、双英特尔至强CPU和英特尔至强融核(Knights Corner)平台上的行为。我们所有的实现都旨在利用该算法提供的数据重用潜力。我们的GPU实现探索了两种不同的方法来实现这一点,第一种使用L1/纹理缓存,第二种使用共享内存。我们将讨论每个实现的可用性及其行为。我们在执行时间方面衡量性能,这是实时系统的关键因素,我们还在带宽(GB/s),计算(GFlop/s)和类型转换(GTc/s)方面给出了结果。我们包括我们的结果的演示文稿中的采样率,可以在实时处理的选择的平台,更直观地描述了预期的性能在信号处理设置。我们的研究结果表明,对于所考虑的GPU,当使用较低精度的输入数据时,我们的多相滤波器的性能受到类型转换而不是设备带宽的限制。我们将这些结果与Xeon Phi上的实现进行比较。我们表明,我们的至强融核实现的性能是我们的CPU实现的1.47倍至1.95倍,但不足以与GPU的性能竞争。最后,我们的最佳执行代码的多相滤波器的其他两个实现的比较,表明我们的实现是在几乎所有情况下更快。这项工作是Astro-Accelerate项目的一部分,Astro-Accelerate项目是一个用于时域射电天文学数据数字信号处理的众核加速实时数据处理库。
2016-04-21 astro-ph.IM cs.DC
Accelerating Barnes-Hut t-SNE Algorithm by Efficient Parallelization on Multi-Core CPUs
Intel Corporation(英特尔公司)
t-SNE仍然是可视化高维数据的最流行的嵌入技术之一。大多数标准的t-SNE包,如scikit-learn,都使用Barnes-Hut t-SNE(BH t-SNE)算法来处理大型数据集。然而,该算法的现有CPU实现是低效的。在这项工作中,我们通过缓存优化,SIMD,并行顺序步骤,并提高多线程步骤的并行化加速BH t-SNE的CPU。我们的实现(Acc-t-SNE)在32核英特尔(R)Icelake云实例上分别比scikit-learn和daal 4py的最先进BH t-SNE实现快261倍和4倍。
2022-12-22 cs.AI cs.DC cs.LG
ePython: An implementation of Python for the many-core Epiphany coprocessor
Epiphany是一种多核、低功耗、低片上存储器架构,可以非常便宜地访问多个并行内核,这对HPC教育和原型设计非常有益。这些架构的极低功耗特性也意味着它们在未来的HPC机器中有可能使用,但是由于相关的复杂性和支持工具的不成熟性,在对它们进行编程时存在很高的准入门槛。在本文中,我们介绍了我们在ePython上的工作,ePython是用于Epiphany和类似众核协处理器的Python子集。由于每个内核的片上内存有限,我们开发了一个新的Python解释器,再加上对并行性的额外支持,这意味着新手可以利用Python在Epiphany上快速编写并行代码,并使用较小规模的并行机探索HPC的概念。Python的高级性质为Epiphany开辟了新的可能性,我们从可编程性和性能的角度研究了计算密集型Gauss-Seidel代码,讨论了在主机CPU和Epiphany上运行Python混合,以及CPU上的完整Python解释器和Epyphany上的ePython之间的互操作性。这项工作的结果是支持在Epiphany上开发Python,它可以应用于其他类似的架构,社区已经开始采用和使用这些架构来探索并行和HPC的概念。
2020-10-28 cs.DC cs.PL
Accelerating Force-Directed Graph Drawing with RT Cores
使用弹簧嵌入器的图形绘制在图形的顶点集上采用V x V计算阶段来计算排斥力。在这里,力的效力随着距离而减小:一个顶点只能有效地影响其位置周围一定半径内的其他顶点。因此,该算法适合于使用搜索数据结构来实现以降低运行时复杂度。NVIDIA RT核心在硬件中实现了分层树遍历。我们将展示如何映射的问题,找到图形布局与力导向的方法,随后可以实现专用的光线追踪硬件的光线追踪的问题。有了这个,我们观察到CUDA软件实现的4倍到13倍的加速。
2020-08-25 cs.DC cs.DS
Javelin: A Scalable Implementation for Sparse Incomplete LU Factorization
在这项工作中,我们提出了一个新的可扩展的不完全LU分解框架,称为标枪被用作预条件求解稀疏线性系统的迭代法。Javelin通过将系数矩阵打包成允许以最小开销进行高性能稀疏矩阵向量乘法和稀疏三角解算的格式,允许在共享内存众核系统上改进并行因式分解。该框架通过使用传统排列、点对点线程同步、任务分配和以传统压缩稀疏行格式进行分段前缀扫描的集合来实现这些目标。此外,该框架强调了在高线程架构上共同设计相关任务的重要性,例如稀疏因子分解和三角求解。通过这些更改,可以使用传统的填充和丢弃容差方法,同时仍然能够在68个Intel Knights Landing内核上观察到高达42倍的加速,在14个Intel Haswell内核上观察到高达12倍的加速。
2019-05-02 cs.DC cs.MS
Deep Graph Library Optimizations for Intel(R) x86 Architecture
Intel Corporation(英特尔公司)
深度图库(DGL)被设计为一种工具,通过支持图形的核心抽象,包括流行的图神经网络(GNN),实现从图中进行结构学习。DGL包含CPU和GPU的所有核心图形操作的实现。在本文中,我们特别关注CPU实现,并使用最新版本的DGL(0.4.3)在一组GNN应用程序中进行性能分析,优化和结果。在7个应用程序中,我们实现了比基准CPU实现快11.5倍-13倍的速度。
2020-07-13 cs.DC cs.LG
Multi-core computation of transfer matrices for strip lattices in the Potts model
转移矩阵法是研究Potts模型中带状晶格的一种简便方法,因为计算代价只取决于晶格的周期部分,而不取决于整体。然而,即使当成本降低时,转移矩阵技术仍然是NP难问题,因为计算矩阵所需的时间T(|V|,|E|)作为图宽度的函数指数地增长。在这项工作中,我们提出了一个并行传输矩阵实现,多核架构下的性能扩展。矩阵的构造基于删除-收缩技术的几次重复,允许适合于多核机器的并行性。我们的实验结果表明,多核实现实现的加速比为3.7X与p = 4处理器和5.7X与p = 8。实现的效率介于60%和95%之间,在p = 4处理器的实际多核架构中实现了加速比和效率的最佳平衡。该算法还利用了晶格对称性,使传输矩阵计算比非对称计算快2倍,并使用原始空间的四分之一。
2013-08-14 cond-mat.stat-mech cs.DC physics.comp-ph
Accelerating Recommender Systems using GPUs
我们描述了GPU实现的矩阵推荐算法CCD++和ALS。我们比较的处理时间和预测能力的GPU实现与现有的多核版本的相同的算法。GPU上的结果优于多核版本(最大加速比为14.8)。
2015-11-08 cs.DC cs.IR
Algorithmic patterns for $\mathcal{H}$-matrices on many-core processors
在这项工作中,我们考虑重新制定的分层($\mathcal{H}$)矩阵算法的众核处理器的图形处理单元(GPU)上的模型实现。$\mathcal{H}$矩阵近似特定的稠密矩阵,例如,从离散积分方程或核岭回归,导致在密集矩阵-向量乘积中的对数线性时间复杂度。$\mathcal{H}$矩阵运算在众核处理器上的并行化是困难的,这是由于底层算法的复杂性。虽然众核硬件以前的算法进步集中在加速现有的$\mathcal{H}$矩阵CPU实现众核处理器,我们在这里的目标是完全依赖于处理器类型。作为主要贡献,我们介绍了必要的并行算法模式,允许映射到众核硬件的完整的$\mathcal{H}$矩阵建设和快速矩阵向量积。在这里,关键的成分是空间填充曲线,并行树遍历和线性代数运算的并行化。由此产生的模型GPU实现hmglib是,据作者所知,第一个完全基于GPU的开源$\mathcal{H}$矩阵库。我们结束这项工作的深入性能分析和比较性能研究对标准的$\mathcal{H}$矩阵库,突出了深刻的加速我们的众核并行方法。
2017-08-31 cs.DC cs.MS cs.NA
Parallel Implementations for Computing the Minimum Distance of a Random Linear Code on Multicomputers
线性码的最小距离是信息论中的一个重要概念。因此,它的计算所需的时间是非常重要的,在这方面的许多问题。在本文中,我们介绍了一个家庭的Brouwer-Zimmermann算法的分布式存储器架构的实现,用于计算F2上的随机线性码的最小距离。目前的商业和公共领域软件都只能在单核架构或共享内存架构上工作,这在计算中使用的核心/处理器数量上受到限制。我们的实现集中在分布式存储器架构,从而能够采用数百甚至数千个核心的最小距离的计算。我们的实验结果表明,我们的实现速度快得多,甚至高达几个数量级,比目前广泛使用的实现。
2019-11-20 cs.DC cs.IT math.IT
Configurable memory systems for embedded many-core processors
现代嵌入式处理器的存储系统消耗了系统总能量的很大一部分。我们探讨了一系列不同的配置选项,并表明,可重构设计可以更好地利用它比任何固定的实现可用的资源,并提供了很大的改善性能和能耗。随着资源变得越来越有限,可重构性变得越来越有用,因此在嵌入式空间中特别相关。对于一个优化的架构配置,我们表明,一个可配置的缓存系统执行平均20%(最大70%)优于最好的固定实现时,两个程序竞争相同的资源,并减少缓存未命中率平均70%(最大90%)。然后,我们提出了一个AES加密和解密的案例研究,并发现自定义内存配置几乎可以使性能提高一倍,并通过在并行化程序时专门化每个核心的任务来实现进一步的好处。
2016-01-07 cs.AR cs.DC
Efficient Implementation of a Synchronous Parallel Push-Relabel Algorithm
基于FIFO的推重标记算法能够在现代大型最大流问题实例上优于基于最高标签的变体,我们引入了一种有效的算法实现,该算法使用粗粒度并行来避免现有并行方法的问题。我们展示了良好的相对和绝对的加速比,我们的算法上的一组大型图形实例取自现实世界的应用程序。在现代40核机器上,我们的并行实现优于现有的顺序实现高达12倍,其他并行实现高达3倍。
2015-07-23 cs.DC cs.DS
mplrs: A scalable parallel vertex/facet enumeration code
我们描述了一个新的并行实现,mplrs,顶点枚举代码lrs,使用MPI并行环境,可以在网络上运行的计算机。该实现使用了一个C包装器,它基本上使用了现有的lrs代码,只做了很小的修改。mplrs是从早期的并行实现plrs衍生而来的,由G. C++中的Roumanis。plrs使用Boost库并在共享内存机器上运行。在开发mplr的过程中,我们发现了一种平衡并行树搜索的方法,称为预算,它大大提高了并行性,超越了以前在32个核心左右遇到的瓶颈。这种方法可以很容易地适用于其他逆向搜萦枚举代码。我们还报告了一些初步的计算结果比较并行和顺序代码的顶点/面枚举问题的凸多面体。选择的问题范围从简单到高度退化的多面体。对于大多数测试的问题,结果清楚地表明,即使只有8个内核可用,使用基于逆向搜萦的代码lrs的并行实现mplrs也具有优势。对于一些问题,几乎线性加速观察到1200个核心,最大数量的核心测试。
2017-10-12 cs.CG cs.DC cs.MS
Cross-platform programming model for many-core lattice Boltzmann simulations
我们提出了一种新的,硬件不可知的实现策略格子玻尔兹曼(LB)模拟,产生大量的性能同质和异构的众核平台。完全基于C++17并行算法,我们的方法不依赖于任何语言扩展,外部库,特定于供应商的代码注释或预编译步骤。特别是由于最近提出的GPU后端C++17并行算法,它表明,一个单一的代码可以编译和达到最先进的性能在众核CPU和GPU环境的解决方案的一个给定的非平凡的流体动力学问题。所提出的策略进行了测试,六种不同的,常用的实现方案,以测试不同平台上的内存访问模式的性能影响。九种不同的LB碰撞模型被包括在测试中,并表现出良好的性能,证明了我们的并行方法的多功能性。这项工作表明,它是比以往任何时候都不需要画一个研究和生产软件之间的区别,作为一个简洁和通用的LB实现产生的性能相比,在硬件特定的编程语言。结果还突出了现代众核CPU所实现的性能增益,以及它们缩小与传统上速度更快的GPU平台之间差距的明显能力。所有代码都以开源项目“stlbm”的形式提供给社区,该项目既可以作为独立的模拟软件,也可以作为可重用模式的集合,用于加速预先存在的LB代码。
2021-05-09 cs.DC physics.comp-ph
Implementing CNN Layers on the Manticore Cluster-Based Many-Core Architecture
ETH Zurich(苏黎世联邦理工学院)
本文档介绍了基于Manticore群集的众核架构上的基本卷积神经网络(CNN)层的实现,并讨论了它们的特性和权衡。
2021-04-16 cs.AR cs.CV cs.DC
Building Time-Triggered Schedules for typed-DAG Tasks with alternative implementations
像图像处理、自动驾驶等硬实时系统需要增加经典多核平台无法提供的计算能力的需求,以满足其时序约束。异构指令集架构(ISA)平台允许加速专用核(例如GPU、DSP、ASIC)等上的实时工作负载,并且适合于这些应用。此外,这些平台提供了更大的设计选择,因为给定的功能可以实现到几种类型的计算元件上。最近提出了HPC-DAG(异构并行有向无环图)任务模型,用于捕获异构平台上的实时工作负载执行。它表达了ISA的异构性,以及硬件加速器的一些特定特性,如没有抢占或昂贵的抢占,替代实现和在线条件执行。在本文中,我们提出了一个时间表调度方法来分配和调度一组HPC-DAG任务到一组异构的核心,通过平均线性规划(ILP)。通过逐步探索设计空间,我们的设计允许处理资源的异质性,在线执行成本和更快的求解时间
2021-08-31 cs.DC cs.SY eess.SY
Design, Implementation and Practical Energy-Efficiency Evaluation of a Blockchain Based Academic Credential Verification System for Low-Power Nodes
本文提出了一种基于以太坊智能合约和IPFS的去中心化学术凭证验证系统,通过对比PoW与PoA共识协议及不同硬件设备的性能与能效,证明PoA更节能且低功耗设备可用于区块链节点,为绿色区块链开发提供了实践指南。
2025-04-01 cs.CR cs.CY cs.DC
Task-based adaptive multiresolution for time-space multi-scale reaction-diffusion systems on multi-core architectures
Université Côte d’Azur(蔚蓝海岸大学);CNRS(法国国家科学研究中心);Inria(法国国家数字科学与技术研究所);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);CD-adapco(CD-adapco公司);Université Claude Bernard Lyon 1(里昂第一大学);Institut Camille Jordan(卡米尔·若尔当研究所);Intel(英特尔);CentraleSupélec(中央理工-高等电力学院);Laboratoire EM2C(EM2C实验室)
本文提出基于任务的多核架构上的自适应多分辨率方法,通过改进数据结构和TBB库实现高效并行计算,验证了在多维问题中的高可扩展性。
2016-10-18 cs.DC cs.NA math.AP