發(fā)布時間：2017-11-20 20:28

  本文關鍵詞：一種基于遺傳算法的GPGPU極限功耗測試框架

  更多相關文章： GPGPU 極限功耗 隨機森林算法 遺傳算法 代碼合成 抽象功耗負載模型

【摘要】：作為一種新興的計算平臺,圖形處理器(GPU)在科學計算和工程領域展現(xiàn)出巨大的計算能力。GPU也很快由單純的圖形處理加速單元,演變成適合通用計算的處理器(GPGPU)。然而隨著計算性能和存儲帶寬的提升,GPGPU的功耗也由以前的幾十瓦增大到數(shù)百瓦,嚴重影響了GPGPU系統(tǒng)的設計,這使得功耗成為設計高性能GPU系統(tǒng)首先考慮的重要指標之一。熱設計功耗是衡量GPU的熱量釋放的指標,決定GPU冷卻模塊和電源模塊的功耗設計。通常熱設計功耗來自GPGPU滿負荷狀態(tài)下實際能達到的極限功耗值。因此,準確地測試極限功耗對高性能GPGPU的設計有重要的意義。 大量并行的計算核心、多層次的存儲系統(tǒng)和復雜的內(nèi)部互聯(lián)結構使得GPU實際的極限功耗測試工作極其困難。傳統(tǒng)的做法是手工編寫功耗病毒程序進行測試。這種方法繁瑣耗時,要求設計人員精通GPGPU體系結構和編譯器原理。通常,手工編寫的功耗程序無法保證測得的極限功耗的準確性,且不適用于不同的GPGPU體系結構。 針對上述問題,本文深入研究了當前GPGPU主流基準測試程序的功耗特征,設計了一種基于遺傳算法的GPGPU極限功耗測試框架。本框架首先通過一種基于隨機森林的功耗分析模型對程序功耗影響因子進行分析,抽象出用于參數(shù)化描述功耗負載的負載模型。然后結合框架設計的代碼合成算法生成相應的功耗負載模型搜索空間,最后由機器學習模塊SNAP使用遺傳算法對負載模型空間進行自動化搜索求出極限功耗最優(yōu)解。 本文借助gpgpu-sim和gpgpu-wattch模擬器對NVIDIA公司的GTX480和quadro FX5600兩款GPGPU進行測試。實驗表明使用自動化框架測得的兩款GPU的極限功耗分別比當前主流GPGPU基準測試程序測得的最大功耗高出19%和14%。同時結合靜態(tài)功耗,框架測得極限功耗與官方設計的TDP誤差只有6%和3%。本文設計的極限功耗測試框架采用一種系統(tǒng)化的方法,不但可以簡單、準確、快速地找到不同體系結構GPGPU的極限功耗,而且還可以對新型GPGPU系統(tǒng)進行風險和效率評估,對現(xiàn)代新型GPGPU系統(tǒng)的設計有重要的意義。
【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP18;TP332

【參考文獻】

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 馬安國;高效能GPGPU體系結構關鍵技術研究[D];國防科學技術大學;2011年

，

本文編號：1208428