PolyBench-ACC：GPU代码自动调整的基准套件

资源摘要信息:"PolyBench-ACC是一个基于PolyBench基准套件开发的高性能计算基准测试套件。该套件主要针对并行编程模型和架构，包括CUDA、OpenCL、HMPP、OpenACC和OpenMP等。它部分源自开发的PolyBench基准套件，后者是一个广泛使用的基准测试套件，用于评估和比较多线程计算机的性能。 PolyBench-ACC的开发团队由来自特拉华大学的研究人员组成，包括斯科特·格劳尔（Scott Grauer-Gray）、徐立凡、罗伯特·塞尔斯（Robert Searles）、威廉·基利安（William Killian）以及约翰·（John）。该套件的目标是为了提供一系列可以用于性能评估的数据挖掘算法基准，如相关性分析和协方差计算。 这些基准测试在并行计算社区中广泛用于衡量编译器的性能，例如自动调整GPU代码的高级语言的优化效果。如果研究人员或者开发人员在使用这些基准套件进行相关工作，他们被建议引用Scott Grauer-Gray等人发表于2012年InPar '12的论文，即“自动调整针对GPU代码的高级语言”。 PolyBench-ACC的一个显著特征是它能够帮助开发者测试和优化他们的代码以适应不同的并行编程模型和架构。例如，通过比较使用不同并行编程技术实现同一数据挖掘算法的性能，开发者可以获得最佳实践并决定哪一种技术最适合特定的问题或场景。 在实际应用中，这些基准测试为开发者提供了一个共同的参考框架，通过它可以比较不同系统架构和编程模型的性能。例如，在数据挖掘领域，相关性和协方差计算是基础且频繁执行的操作。通过这些基准，开发者可以评估他们的系统是否高效地执行了这些操作。 OpenACC是一种用于使用编译器指令来指定在GPU等加速器上执行并行计算的规范，而OpenCL是一种编程模型，允许软件开发人员在广泛的平台（包括CPU、GPU和其他处理器）上进行并行编程。OpenMP是一种应用广泛并行编程API，而CUDA是NVIDIA推出的并行计算平台和编程模型。 此外，PolyBench-ACC也可以被用来验证新编译器的正确性，评估编译器优化的效果，以及作为教学工具，帮助学习并行编程的初学者理解并行计算的基本概念。 开发人员在使用PolyBench-ACC时，可能会注意到它包含一个“master”文件夹，这表明他们可以获取包含所有基准测试的源代码和相关文件，以便于本地编译和执行。因此，PolyBench-ACC为用户提供了一个可访问、易于使用的工具，以确保他们能够全面地评估自己的硬件和软件系统。 PolyBench-ACC在研究和教育中都有重要价值，它为研究并行计算的学者们提供了一个重要的基准测试平台，同时也为教学提供了实践案例。通过这个套件，学习者能够更好地理解并行计算的性能特点，并掌握如何有效地使用不同的并行编程工具。"