與中央處理單元 （CPU） 相比，圖形處理單元 （GPU） 更適合以更高分辨率和更快的幀速率形成圖像，因?yàn)?GPU 具有數(shù)百個(gè)可以并行處理數(shù)千個(gè)數(shù)據(jù)集的計(jì)算單元。并行數(shù)據(jù)結(jié)構(gòu)和高線程數(shù)使 GPU 本質(zhì)上更適合需要大量計(jì)算功能的應(yīng)用，例如醫(yī)學(xué)成像和視頻游戲，例如并發(fā)可視化和交互式分割。

容納 CPU 和 GPU 的多核處理器設(shè)計(jì)已經(jīng)存在多年。事實(shí)上，幾乎每臺(tái)筆記本電腦、智能手機(jī)和平板電腦現(xiàn)在都擁有多核處理器、集成 GPU 和許多其他加速器，用于音頻、網(wǎng)絡(luò)和其他功能。然而，在這些多核處理器設(shè)計(jì)中，GPU 通常不直接訪問應(yīng)用程序內(nèi)存，因此充當(dāng) CPU 的從屬設(shè)備。

幾年前，AMD 引入了加速處理器單元 （APU） 的概念，該單元為處理器內(nèi)部的 CPU 和 GPU 結(jié)合了高速緩存一致性內(nèi)存。將兩個(gè)處理單元組合在同一條總線上以提高處理器吞吐量的想法最終導(dǎo)致了2012 年異構(gòu)系統(tǒng)架構(gòu) （HSA） 基金會(huì)的創(chuàng)建。

HSA 中的一組標(biāo)準(zhǔn)和規(guī)范促進(jìn)了 CPU、GPU 和其他加速器的公共總線和共享內(nèi)存，以使這些截然不同的架構(gòu)協(xié)同工作。AMD、ARM、聯(lián)發(fā)科和德州儀器等行業(yè)領(lǐng)導(dǎo)者參與了這項(xiàng)工作，這標(biāo)志著現(xiàn)有多核處理器設(shè)計(jì)方法的重大突破。

1. HSA 將現(xiàn)有的異構(gòu)計(jì)算提升到一個(gè)新的水平。

首先，HSA 1.0 旨在通過自動(dòng)將計(jì)算從 CPU 卸載到 GPU 來釋放 GPU 在嵌入式計(jì)算中的潛力，反之亦然。通過使軟件能夠以更低的延遲和顯著降低的開銷有效地將任務(wù)分配給 GPU，HSA 允許 GPU 任務(wù)通過共享虛擬內(nèi)存功能 （SVM） 直接安全地訪問系統(tǒng)內(nèi)存中的數(shù)據(jù)，并在應(yīng)用程序進(jìn)程中遍歷數(shù)據(jù)結(jié)構(gòu)內(nèi)存（ptr-is-ptr）?，F(xiàn)在，這一切都可以完成，而無需像以前在傳統(tǒng) GPU 計(jì)算 API 中所要求的那樣提供數(shù)據(jù)緩沖區(qū)的主機(jī) CPU 配置。

即將發(fā)布的 HSA 標(biāo)準(zhǔn)將數(shù)字信號(hào)處理器 （DSP） 集成到架構(gòu)中，并提高了與系統(tǒng)中非 HSA 啟用的可編程和固定功能加速器的高效互操作性。

接下來，雖然 HSA 是OpenCL等通用 GPU （GPGPU） API 的重要基礎(chǔ)，但憑借其細(xì)粒度和粗粒度共享虛擬內(nèi)存功能，許多高級(jí)語(yǔ)言已被移植和優(yōu)化為原生目標(biāo) HSA 平臺(tái)，包括 C++ 17、GCC、LLVM/CLANG 和 Python。優(yōu)化 CAFFE、BLAS、CHARM++、FFT、Sparse、FLAME 和 Docker 等軟件框架的工作也在進(jìn)行中，以使開發(fā)人員更容易直接高效地編程和使用異構(gòu)并行設(shè)備。

這些異構(gòu)計(jì)算環(huán)境創(chuàng)造的這種新的處理器效率水平正在重振醫(yī)療和打印成像等行業(yè)。直到最近，需要圖像配準(zhǔn)、圖像分割和圖像去噪等計(jì)算密集型工作的醫(yī)學(xué)成像產(chǎn)品在很大程度上以犧牲圖像質(zhì)量為代價(jià)來犧牲幀速率。

HSA 以其創(chuàng)新的機(jī)制為不同的處理核心分配不同的負(fù)載，從而實(shí)現(xiàn)具有強(qiáng)大可視化和圖像保真度的高效計(jì)算?，F(xiàn)在有大量資源可用于幫助開發(fā)人員調(diào)整或創(chuàng)建新應(yīng)用程序以利用異構(gòu)架構(gòu)。其中包括 HSA Foundation GitHub 存儲(chǔ)庫(kù)和Radeon 開放計(jì)算解決方案 GitHub。后者將 HSA 編程模型擴(kuò)展到高性能離散 GPU，并包括CodeXL 2.0 中提供的強(qiáng)大的開源調(diào)試和分析工具。

計(jì)算密集型醫(yī)療領(lǐng)域可以受益于 GPU 加速，以增強(qiáng)特定于 MRI、PET、超聲和顯微鏡等應(yīng)用的算法的執(zhí)行。

2. GPU 加速提供卓越的速度，可有效滿足醫(yī)學(xué)成像獨(dú)特的數(shù)據(jù)吞吐量和后處理需求。

具體來說，教程是異構(gòu)系統(tǒng)架構(gòu)——下一代異構(gòu)計(jì)算的基礎(chǔ)，以及醫(yī)療和打印成像中的 GPU 計(jì)算，而小組的主題是異構(gòu)系統(tǒng)架構(gòu)：未來的功率、性能和編程。