体系结构学习10-DLP

DLP类型

SISD、SIMD、MISD（TPU：脉动网络）、MIMD

SIMD实现形式

• 同一时间不同部件共同工作(Array processor)
• 在同一部件顺序工作(Vector processor)

Vector Processors

• Vector Register
• Vector Operation:多为同一种操作，若不同数据需要不同操作可能需要使用Vector Mask.

在执行时数据之间 没有数据冒险，没有转发需求。

1976 Cray-1

• 优点：
  Vector 没有数据依赖
  单个指令能够承担许多工作
  访问连续规整的内存
  可以回避循环
• 缺点
  要求数据操作是规整的矢量操作，否则可能花费更多时间处理
  内存会成为性能瓶颈，因为计算能力常常更强而Bandwidth不够

解决内存瓶颈：

• Memory Banking：将内存分成很多小块，实现内存访问上的并行来提升带宽。

加快指令执行：

• Vector Chaining：无需等待所有数据读入，读入一个就可以执行一个。
• forwarding：无需等待写入，提前执行

解决数据超过VLR：

• Vector Stripmining：n*VLR + m(m <VLR )

代码矢量化

• Masked Vector Instruction
• Vector Scatter/Gatter：寄存器散布/收集数据从内存

存在无法矢量处理的标量时，需要像CRAY-1一样让标量处理很快。

现代计算机处理DLP

• SIMD
  Intel的多媒体扩展：64 bit -> 2*32 bit 相当于把一个寄存器拆成一个矢量寄存器。但是没有VLR，长度固定，操作单一stride总为1
  Intel AVX：256-bit register
  Intel的库：mkl（software.intel.com）

GPU

2006：Nvidia的CUDA -GPU编程语言，利用多线程。（还有OpenCL）

相当于一块协处理器。

当今GPU架构——2017Volta /2018Turing

编程模式：SPMD 单程序多数据
执行模式：视为SIMD机器，多线程合并同时执行。SIMT（单个指令多个线程——一个warp包含多个线程）

• Warp执行
  1、控制流：可以采用Mask选择线程的执行路径。
  2、Thread动态重组

Tesla v100

Volta（2017）结构
GPU-GPU直连，GDDR5显存带宽更大

Acceleration for Machine Learning

• GPU：通用计算，训练或推导
• FPGA：灵活
• ASIC：嵌入式解决方案（TPU）