.png){kind=icon}
返回
Algorithm profiling for architectures with dataflow accelerators
.png){kind=icon}
OA
AI
DOI：10.1186/s40537-025-01089-7.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据流计算已被证明对某些高性能计算算法更为高效。前提条件是存在足够的并行计算来覆盖在数据流硬件上执行指令直至第一个结果就绪的开销。这在处理大数据且能够独立处理多次迭代的算法中通常是成立的，例如在模拟多个基本体积中的某些现象时。然而，数据流硬件的运行频率通常比控制流处理器低一个数量级。从程序员的角度来看，为数据流架构编程比控制流架构要困难得多。因此，对于某些算法，编程数据流架构是否值得付出的努力并不总是显而易见。因此，需要让程序员能够预测为数据流架构编程在加速程序执行和节能方面的结果。本文介绍了一个新开发的工具，程序员可以使用该工具来分析控制流算法并估算使用数据流硬件的加速可能性。
Keyword:
Dataflow hardware
Algorithm profiling
Estimating accelerating possibilities
High-performance computing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
查看更多机构
.png){kind=icon}
