The GPU implementation (By line (R)

The GPU implementation (By line (R)) of the 3×3 convolution
has a performance of 7.8 Gpixels/s. GPU-CC achieves
a speed-up of 1.9× with a performance of 14.8 Gpixels/s.
Considering each input and output pixel has to be transfered
at least once, GPU-CC reaches 89% of the peak off-
chip memory bandwidth. For a 5×5 convolution kernel the
GPU-CC architecture attains a speed-up of 2.4× compared
to an optimized implementation on a conventional GPU.
In the standard GPU implementation a total number of
220 thousand instructions are fetched, decoded and issued to

ผลลัพธ์ (ไทย) 1:

นำ GPU (จากบรรทัดที่ (R)) ของ convolution 3 × 3มีประสิทธิภาพของ 7.8 Gpixels/s ได้ GPU-CC ได้รับความเร่งของ 1.9 × มีประสิทธิภาพ 14.8 Gpixels/sพิจารณาข้อมูลป้อนเข้าและผลผลิตแต่ละ พิกเซลมีการโอนย้ายน้อยครั้ง GPU CC ถึง 89% ของช่วงปิด-ชิแบนด์วิดท์หน่วยความจำ สำหรับเคอร์เนล convolution เป็น 5 × 5สถาปัตยกรรม GPU CC attains เร่งของ× 2.4 เปรียบเทียบการใช้งานให้เหมาะกับ GPU แบบเดิมในการใช้งาน GPU มาตรฐานทั้งหมดจำนวน220 พันคำแนะนำจะนำมาใช้ ถอดรหัส และออกไป

ผลลัพธ์ (ไทย) 2:

การดำเนินการของ GPU (โดยสาย (R)) 3 × 3
บิดมีประสิทธิภาพการทำงานของ7.8 Gpixels / s GPU-CC
ประสบความสำเร็จในความเร็วขึ้นจาก1.9 ×กับการทำงานของ 14.8 Gpixels A / S.
พิจารณาแต่ละอินพุทและเอาท์พุทพิกเซลจะต้องมีการโอนอย่างน้อยหนึ่งครั้ง GPU-CC ถึง 89% ของยอดเขานอกแบนด์วิดธ์หน่วยความจำชิพ สำหรับ 5 × 5 เคอร์เนลบิดสถาปัตยกรรมGPU-CC บรรลุความเร็วขึ้นจาก 2.4 ×เมื่อเทียบกับการใช้งานที่ดีที่สุดในการชุมนุมของGPU. ในการดำเนินการของ GPU มาตรฐานจำนวน220,000 คำแนะนำจะลึกซึ้งและถอดรหัสออกให้

ผลลัพธ์ (ไทย) 3:

การใช้ GPU ( จากบรรทัด ( R ) ของ 3 × 3 ขด
มีสมรรถนะ 7.8 gpixels / s gpu-cc บรรลุ
มีความเร็ว 1.9 ×ด้วยประสิทธิภาพของตลาด gpixels / s
พิจารณาแต่ละอินพุตและเอาต์พุตมีพิกเซลที่จะโอน
อย่างน้อยหนึ่งครั้ง gpu-cc ถึง 89 % ของยอด ปิด -
ชิปหน่วยความจำแบนด์วิดธ์ สำหรับ 5 × 5 ขด Kernel
gpu-cc สถาปัตยกรรมบรรลุความเร็ว 2.4 ×เทียบ
เพื่อเพิ่มประสิทธิภาพการใช้งานบน GPU ปกติ .
ในการใช้งาน GPU มาตรฐานจำนวนคำแนะนำ
220 , 000 เป็นผู้ถอดรหัสและออก

,