在单 GPU 上加速自适应 IDW 插值算法
分布式、并行与集群计算
2017-09-21 v2
摘要
本文专注于 GPU 加速的自适应反距离加权（AIDW）插值算法的设计与实现。AIDW 是标准 IDW 的改进版本，能够根据空间点分布模式自适应地确定幂参数，并获得比 IDW 更准确的预测。本文首先提出了两个版本的 GPU 加速 AIDW：未利用共享内存的朴素版本和利用共享内存的分块版本。我们还使用结构体数组（AoS）和对齐结构体数组（AoaS）数据布局，在单精度和双精度下实现了朴素版本和分块版本。然后，我们通过将其与原始 CPU 版本进行比较，评估了 GPU 加速 AIDW 的性能。实验结果表明：在单精度下，朴素版本和分块版本分别可以实现约 270 和 400 的加速比。此外，在单精度下，使用 SoA 布局的实现总是比使用 AoaS 布局的实现略快。然而，在双精度下，加速比仅约为 8；我们还观察到：（1）分块版本相比朴素版本没有获得性能提升；（2）使用 SoA 和 AoaS 在计算效率上没有导致显著差异。
引用
@article{arxiv.1511.02186,
title = {Accelerating Adaptive IDW Interpolation Algorithm on a Single GPU},
author = {Gang Mei and Liangliang Xu and Nengxiong Xu},
journal= {arXiv preprint arXiv:1511.02186},
year = {2017}
}
备注
Preprint version for submitting to a journal. 15 pages, 7 figures, 1 table