19、CUDA-CHiLL与UPC扩展：并行计算的新突破

CUDA-CHiLL与UPC扩展：并行计算的新突破

1. CUDA-CHiLL性能评估

在单精度矩阵 - 向量（sgemv）和矩阵 - 矩阵（sgemm）乘法的计算中，我们对自动生成的CUDA - CHiLL代码进行了性能评估。具体操作如下：
- 应用转换脚本 ：将转换脚本应用于sgemv和sgemm乘法，对于C2050的sgemm还使用了额外未展示的脚本来进行优化。
- 选择矩阵大小 ：我们选取了范围在128 - 8192的一系列方形矩阵大小来测试生成代码的性能。
- 性能对比 ：将自动生成的代码与Nvidia发布的CUBLAS 2.2和3.2库版本进行性能对比，所有结果均在Nvidia GTX280和Tesla C2050上获得，且是三次运行的平均性能，标准差小于0.1毫秒。

在与CUBLAS 2.2在GTX 280上对比时，CUDA - CHiLL代码在sgemv的全问题规模范围内都优于CUBLAS 2.2，在sgemm方面，几乎在所有实验使用的问题规模上也表现更优。CHiLL在sgemv上比CUBLAS 2.2平均提速1.78倍，在sgemm上提速1.5倍，其生成代码的最大GFlops达到366GF。

在与CUBLAS 3.2在Tesla C2050上对比时，自动生成的sgemv代码始终优于CUBLAS 3.2，最高可达44GFlops；sgemm代码与CUBLAS 3.2的差距在11 - 13%以内，最高可达565 GFlops。部分C2050 sgemm性能差距源于CUDA - CHiLL目前未使用的带有专用硬件的纹理内存，不