Research article
Medición de rendimiento del algoritmo spmv utilizando contadores de hardware para GP GPU en arquitecturas no homogéneas
Waldo, Valiente ⓘ
Universidad Nacional de La Matanza.
Departamento de Ingeniería e Investigaciones Tecnológicas.
Grupo de Investigación, Desarrollo y Formación en Innovación de Software.
San Justo, Buenos Aires. Argentina
Díaz, Federico ⓘ
Universidad Nacional de La Matanza.
Departamento de Ingeniería e Investigaciones Tecnológicas.
Grupo de Investigación, Desarrollo y Formación en Innovación de Software.
San Justo, Buenos Aires. Argentina
De Luca, Graciela ⓘ
Universidad Nacional de La Matanza.
Departamento de Ingeniería e Investigaciones Tecnológicas.
Grupo de Investigación, Desarrollo y Formación en Innovación de Software.
San Justo, Buenos Aires. Argentina
Giulianelli, Daniel A. ⓘ
Universidad Nacional de La Matanza.
Departamento de Ingeniería e Investigaciones Tecnológicas.
Grupo de Investigación, Desarrollo y Formación en Innovación de Software.
San Justo, Buenos Aires. Argentina
Resumen
En la presente investigación se busca analizar diferentes contadores de hardware durante la ejecución del algoritmo SPMV (multiplicación vector por matriz dispersa), a través del uso de herramientas de profiling utilizadas en placas gráficas de los fabricantes ATI y NVIDIA. Utilizando como base tres bibliotecas que hacen uso del procesador gráfico, se busca inferir a partir del estudio de los diferentes indicadores, las optimizaciones aplicables en el contexto planteado que mejoren el desempeño. Para analizar los resultados, se propuso una división de los tres principales eventos de la arquitectura (escritura, ejecución y lectura). Se trabajó en el análisis de las notorias diferencias detectadas en los tiempos de respuestas debido al volumen de las transferencias de datos, para luego analizar la implementación de una biblioteca en particular para cada arquitectura hardware. Finalmente se propone una pequeña modificación que logra mejorar el rendimiento de ambas arquitecturas.
Abstract
Palabras Clave:
GPU, CUDA, OpenCL
Keyword:
Contadores de hardware, ,
Bibliografía - Bibliography
Blas, 2015. BLAS (Basic Linear Algebra Subprograms)
Boost, 2015. Biblioteca Boost lenguaje C++
Cise, 2015. Repositorio de Matrices Dispersas
Golub y Van Loan, 2013. Matrix computation. The Johns Hopkins University, Fourth Edition, pp 33-42.
Magma, 2014. Biblioteca BLAS Magma
Market, 2013. Formato Matrix Market
Nvidia, 2015. “CUDA™ C Programming Guide version 5.0”: NVIDIA Corporation, pp 7-80.
Paralution, 2015. Biblioteca BLAS Paralution
ViennaCL, 2015. Biblioteca BLAS ViennaCL
Google Scholar Index
Article
Publisher: