ParaC:面向GPU平台的图像处理领域的编程框架

来源：软件学报杂志2017年第7期北京时间：

作者：卢兴敬,刘雷,贾海鹏,冯晓兵,武成岗

单位：卢兴敬，体系结构国家重点实验室 中国科学院 计算技术研究所, 北京 100190;中国科学院大学, 北京 10004911,刘雷，体系结构国家重点实验室 中国科学院 计算技术研究所, 北京 10019002,贾海鹏，体系结构国家重点实验室 中国科学院 计算技术研究所, 北京 10019003,冯晓兵，体系结构国家重点实验室 中国科学院 计算技术研究所, 北京 10019004,武成岗，体系结构国家重点实验室 中国科学院 计算技术研究所, 北京 10019005

摘要：GPGPU加速器是当前提高图像处理算法性能的主流加速平台，但在GPGPU平台上，同一个程序充分利用硬件体系结构特征和软件特征的优化版本与简单实现版本在性能上会有数量级的差异.GPGPU加速器具有多维多层的大量执行线程和层次化存储体系结构，后者的不同层次具有不同的容量、带宽、延迟和访问权限.同时，图像处理应用程序具有复杂的计算操作、边界处理规则和数据访问特性.因此，任务的并发执行模式、线程的组织方式和并发任务到设备的映射不仅影响到程序的并发度、调度、通信和同步等特性，而且也会影响到访存的带宽、延迟等.因此，GPGPU平台上的程序优化是一个困难、复杂且效率较低的过程.提出基于语言扩展的领域编程模型：ParaC.ParaC编程环境利用高层语言扩展描述的程序语义信息，自动分析获取应用程序的操作信息、并发任务间的数据重用信息和访存信息等程序特征，同时结合硬件平台特征，利用基于领域先验知识驱动的编译优化模型自动生成GPGPU平台上的优化代码，最后，利用源源变换编译器生成标准OpenCL程序.在测试用例上的实验结果表明，ParaC在GPGPU平台上自动生成的优化版本相对于手工优化版本的加速比最高达到3.22倍，但代码行数只是后者的1.2%~39.68%.

关键词：图像处理;通用GPU加速器;领域编程语言;编译优化;源源变换

基金资助：国家自然科学基金（61432018，61402445，61502452，61602443，61432018）；国家重点研发计划（2016YFB1000402）；数学工程与先进计算国家重点实验室开放基金（2016A03）；北京市科委计划（D161100001216002）