.png){kind=icon}
返回
Data-driven analysis to understand GPU hardware resource usage of optimizations
.png){kind=icon}
PRE
AI
DOI：10.1177/10943420251404998.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在异构系统中，每颗芯片的GPU数量增加，以提供在纳米尺度上解决科学问题的计算能力。然而，单个GPU的低利用率使得投资昂贵加速器的必要性受到质疑。尽管相关研究开发了优化方法来提升应用性能，但没有研究这些优化如何影响硬件资源使用或平均GPU利用率。本文采用数据驱动分析方法来弥补这一空白，通过（1）表征硬件资源使用如何影响设备利用率、执行时间或两者；（2）提出一种多目标指标来识别可优化的重要应用-设备交互，以联合提升设备利用率和应用性能；（3）研究若干优化方法在基准应用中的硬件资源使用行为；以及最终（4）基于硬件资源使用行为，识别若干科学代理应用的优化机会。此外，我们通过将识别出的优化应用于代理应用来展示本方法的应用性，该方法分别将执行时间、设备利用率和功耗最多改善了29.6%、5.3%和26.5%。
Keyword:
GPU utilization
hardware resource usage
optimization
heterogeneous systems
scientific applications
期刊
T
IF:
0
论文数:
49
被引数:
0
机构
引用论文
.png){kind=icon}
Interplay between hardware prefetcher and page eviction policy in CPU-GPU unified virtual memory
PREAI
分享收藏
分享收藏
查看更多内容