二维智能拉普拉斯平滑在 GPU 上的加速
分布式、并行与集群计算
2016-01-25 v1
摘要
本文提出了二维智能拉普拉斯平滑（Smart Laplacian smoothing）的 GPU 加速实现。该实现是在我们提出的加速基于拉普拉斯的网格平滑范式 [13] 的指导下开发的。在我们的实现中，使用了两种常用的数据布局，即结构体数组（Array-of-Structures, AoS）和数组结构体（Structure-of-Arrays, SoA）来表示三角网格。此外，还采用了两种具有不同中间数据交换选择的迭代形式。 furthermore，利用 CUDA 动态并行（CUDA Dynamic Parallelism, CDP）特性实现了智能拉普拉斯平滑中的嵌套并行化。实验结果表明：(1) 我们的实现在 GT640 GPU 上可实现高达 44 倍的加速比；(2) AoS 数据布局的效率始终优于 SoA 布局；(3) 需要交换中间节点坐标的形式始终比不交换数据的形式慢；(4) 使用 CDP 特性的实现版本比未采用 CDP 的版本略快。
引用
@article{arxiv.1502.00355,
title = {On the Accelerating of Two-dimensional Smart Laplacian Smoothing on the GPU},
author = {Kunyang Zhao and Gang Mei and Nengxiong Xu and Jiayin Zhang},
journal= {arXiv preprint arXiv:1502.00355},
year = {2016}
}
备注
The author declares that this paper has been submitted to the International Conference on Computational Science ICCS 2015. 10 pages, 4 figures