1、答辩人：郭忠明学号： 31017022基于 CUDA的并行图像处理性能优化Contents研究现状2性能优化策略3实验结果及性能分析4研究背景及工作意义1研究背景及工作意义研究背景1.大规模图像数据的处理、实时图像处理。2.基于 CUDA的大规模并行计算。选题来源1.优化基于 CUDA平台的并行图像处理实现；2.扩展至基于 CUDA平台的通用并行计算 。工作意义选题来源于实际工程项目研究现状指令优化内存访问优化解循环优化基于软件架构的优化策略线程过载优化特定硬件体系结构下的优化 基于硬件架构的优化策略性能优化策略性能优化策略性能优化策略不同的性能优化策略可以相互结合使用内存访问优化指令及程序流
2、程优化并行度优化数据表示优化性能优化策略内存访问优化性能优化策略内存访问优化共享内存访问优化 常量内存访问优化 纹理内存访问优化适宜于没有块间数据重叠访问的情况适宜于处理 Host端单线程执行具有复杂参数列表核函数的场景适宜应用于图像处理算法的实现性能优化策略指令及程序流程优化1. 尽量使用执行周期数较少的指令。2. 避免使用逻辑分支控制语句。3. 比较简短的循环应当解开。4. 尽量合并、提取公共运算。基本思想提高指令吞吐量、减少 Device核函数内运算操作总次数性能优化策略指令及程序流程优化Compute Capability 1.xCompute Capability 2.0Comput
3、e Capability 2.164-bit floating-point add, multiply, multiply-add8 32 4864-bit floating-point add, multiply, multiply-add1 16 432-bit integer add, logical operation8 32 4832-bit integer shift, compare8 16 1632-bit integer multiply, multiply-add, sum of absolute differenceMultiple instructions 16 1632-bit floating-point reciprocal, reciprocal square root8 Multiple instructions Multiple instructionsType conversions 16 16 16性能优化策略指令及程序流程优化1 0 00 1 00 0 1使用模板操作时，需要涉及到图像边界区域处理问题
