面向CUDA程序的线程放置优化策略研究

发布时间：2022-01-08 17:15

　　GPU具备强大的数据并行处理与浮点计算能力,因而被越来越广泛地应用于数值模拟和科学计算等领域。提高GPU上程序开发效率以及程序的性能就显得尤为重要,线程放置策略是其中重要的一环。本文在程序信息基础上,使用机器学习算法建立了CUDA程序线程放置优化模型。本文首先在运行时信息采集环节做了改进,只保留了其中与程序性能相关的核心信息。接着,提出并实现了基于LLVM的静态信息替代运行时信息的方法,进一步降低了信息采集环节的时间。此外,提出了全新的设置标签算法。综合上述改进,最终确定了采用支持向量机算法、借助网格搜索方法择优的模型。本文在公开程序集上选择与已有模型在同等条件下展开测试,结果表明本文的模型比现有模型在时间上更具优势,并获得了更高的训练准确率。 

【文章来源】：智能计算机与应用. 2020,10(02)

【文章页数】：5 页

【部分图文】：

基于LLVM对CUDA程序线程分配优化模型的改进

图2 分析pass的指令信息统计的实现

在测试分析部分，本文与已有的Connors[4]模型进行了相同训练数据下的训练时间、训练精度对比分析。2个模型运行时间的对比结果如图3所示，2个模型在充足训练集下的训练准确率的对比结果则如图4所示。图4 与已有模型的训练准确率对比

【参考文献】：
期刊论文
[1]基于CUPTI接口的典型GPU程序负载特征分析[J]. 郑祯,翟季冬,李焱,陈文光.  计算机研究与发展. 2016(06)



本文编号：3576957