Effizientes Lösen linearer Gleichungssysteme über GF(2) - CDC ...

Inhaltsverzeichnis
1 Einleitung 1
2 Parallele Programmierung mit CUDA 5
2.1 Parallele Architekturen . . . . . . . . . . . . . . . . . . . . . . 5
2.2 NVIDIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Parallele Programmierung . . . . . . . . . . . . . . . . . . . . 8
2.3.1 Unterschiede zwischen Host und Device . . . . . . . . . 8
2.3.2 Threads, Blöcke und Grids . . . . . . . . . . . . . . . . 9
2.3.3 Streams . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 CUDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.1 Die CPU Komponente der Laufzeitbibliothek . . . . . 12
2.4.2 Erweiterungen der C-Programmiersprache . . . . . . . 13
2.5 Die Architektur von NVIDIA Grafikkarten . . . . . . . . . . . 16
2.5.1 Die Compute Capability . . . . . . . . . . . . . . . . . 17
2.5.2 Die Architektur von Grafikkarten mit einer Compute
Capability von 1.x . . . . . . . . . . . . . . . . . . . . . 17
2.5.3 Die Architektur von Grafikkarten mit einer Compute
Capability von 2.0 . . . . . . . . . . . . . . . . . . . . . 18
2.5.4 Der Grafikkartenspeicher . . . . . . . . . . . . . . . . . 18
2.5.5 Der CPU-Speicher . . . . . . . . . . . . . . . . . . . . 28
2.6 Optimiertes Programmieren mit CUDA . . . . . . . . . . . . . 29
2.6.1 Optimierung des Befehlsdurchsatzes . . . . . . . . . . . 30
2.6.2 Optimierung von Speicherzugriffen . . . . . . . . . . . 33
2.6.3 Optimierung des Datendurchsatzes . . . . . . . . . . . 34
3 Die Umsetzung des M4RI in CUDA 37
3.1 Die “Method of Four Russians“ Inversion . . . . . . . . . . . . 38
3.2 Die Umsetzung von M4RI mit CUDA . . . . . . . . . . . . . . 42
vii