本文主要是介绍清华大学副教授都志辉讲座笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
第一版中,讲MPI并行代码直接用cuda重写,一个月完成,发现有大量计算错误,并且不能排查。(结果不一样原因就是移植的代码错了,因为移植过程不可能完全想明白程序逻辑,总会有各种各样的问题出来,这也是大型应用程序移植的难点)
第二版中的解决方法就是要做单元拆分。并且一直的时候分析代码并重写,写成适合cuda计算的数据结构。
在能提升性能地方的代码用cuda一直,没有什么提升余地的地方用OpenACC。即使有些代码在一直到GPU上提升不大也要移植,因为这样需要CPU和GPU之间进行数据交换,这个数据交换的开销非常大。nvlink在数据交换的时候性能提升非常大。
对于大型程序来说,找到真正能提升性能的地方是非常难的。
大部分时候,CPU代码在移植到GPU上的时候都要进行数据结构的重组,不然会对性能有负影响。
性能优化的三个方面:应用、算法、硬件体系结构。
对写论文吧来说:在优化之前或者优化过程中提很多问题,把这些问题弄明白以后,有了优化结果,就容易找到创新点。他们之前也容易犯一种错误:一上来有一个任务就搞,搞快一点就可以了,虽然最后搞出来。但没有反思这么做有什么好处,为什么这么做,有没有什么别的更好的方法,这个方法的瓶颈和极限在哪里。
这篇关于清华大学副教授都志辉讲座笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!