.png){kind=icon}
返回
Predicting Performance for OpenMP GPU Parameter Choices
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-06343-4_9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
GPU被广泛用于高性能科学计算加速，OpenMP为开发者提供了易于使用的基于指令的编程支持以卸载计算。与CUDA支持不同，OpenMP提供默认的卸载配置。然而，为了获得最佳性能，开发者必须能够选择最相关的卸载配置以满足性能预期（例如每个核需要多少线程和块）。使用自动调优和/或机器学习优化来寻找最佳的启动参数值可能耗时且资源密集。本文旨在通过开发一个机器学习代理模型来应对这一挑战，该模型能够在最小成本下预测相对核性能。应用程序的相对运行时执行分布的形状对性能预测具有根本性影响，这促使我们实现了一种新颖的两阶段方法。给定应用程序的编译时信息，我们的新颖两阶段分类器可以预测启动配置是否产生最优或次优相对性能。在实际基准测试中，我们对未见实例的分类预测准确率达到约91%，对未见基准测试集的准确率达到约70%。
Keyword:
LLVM
OpenMP
Performance Prediction
Decision
Trees
GPU
Grid Size
期刊
O
机构
引用论文
A Benchmark Suite for Improving Performance Portability of the SYCL Programming Model一个用于提高SYCL编程模型性能可移植性的基准测试套件
PREAI
分享收藏“Predicting GPU performance and system parameter configuration using machine learning” in IEEE-computer-society annual symposium on VLSI (ISVLSI). IEEE. 253–258“利用机器学习预测GPU性能和系统参数配置”在IEEE计算机学会VLSI年会（ISVLSI）上发表。IEEE. 253–258.png)
IF0
PREAI
分享收藏分享收藏
分享收藏
查看更多内容