بهبود خطای پیش بینی کارآیی برنامه های کاربردی پردازنده گرافیکی

چکیده مقاله

با گسترش کاربردهای پردازنده های گرافیکی در بسیاری از زمینه های محاسبات علمی و پردازش داده های بزرگ، لزوم بکارگیری سکوهای برنامه نویسی برروی این پردازنده ها بیش از پیش احساس شد مدل های برنامه نویسی سطح پایین CUDA و OpenCL برای این منظور بوجود آمدند پیاده سازی برنامه ها با استفاده از این سکوها نیازمند دانش و تلاش فوق العاده ای از سخت افزار و تکنیک های پردازش موازی است بر روی این سکوها، مدل های محاسباتی بوجود آمدند که هدفشان پارامتریک کردن ویژگیهای سخت افزار و درک بهتر عملکرد آن بوده است این مدل ها علاوه بر توصیف رفتار برنامه ها، در پیش بینی کارآیی نیز نقش مهمی ایفا می کنند ازطرفی ویژگی های پیچیده و رو به رشد سخت افزار پردازنده های گرافیکی باعث می شود که پیش بینی کارآیی در این مدل ها به خوبی انجام نشود و خطای مدل ها زیاد باشد یکی از دلایل اصلی این خطاها تکنیک های بکارگرفته شده در سطح سخت افزار و درایور است که جزئیات آن خیلی در دسترس نیست و در مدل های محاسباتی دیده نشده است دراین پژوهش با هدف بهبود عملکرد پیش بینی کارآیی مدل، سعی می کنیم روش را براساس تکنیک ها ی یادگیری ماشین ارائه کنیم که با استفاده از آن خطای پیش بینی یک مدل محاسباتی موجود کاهش یابد طرح پیشنهادی تخمینی از میزان تاثیرات سخت افزار و درایور بر زمان اجرای یک کرنل CUDA انجام داده و آن را به صورت یک پارامتر جدید به مدل اضافه می کند این تخمین بصورت یک پارامتر به مدل اضافه شده است نتایج آزمایشگاهی نشان داده اند که طرح پیشنهادی ۲۴% در کاهش خطای پیش بینی کارآیی مدل مورد بحث موثر است ضمنا این طرح وابسته به یک مدل نبوده و به راحتی می تواند روی مدل های محاسباتی دیگر نیز اجرا شود

کلیدواژه‌ها

نویسندگان

لیلا پرندوش

کارشناسی مهندسی کامپیوتر گرایش نرم افزار

پرندوش، لیلا،1404،بهبود خطای پیش بینی کارآیی برنامه های کاربردی پردازنده گرافیکی،دومین همایش بین المللی تحولات نوین در علوم تربیتی، روانشناسی و آموزش و پرورش،ارومیه

ارائه‌شده در

مجموعه مقالات دومین همایش بین المللی تحولات نوین در علوم تربیتی، روانشناسی و آموزش و پرورش15 بهمن 1404 · ارومیه