병렬 알고리즘의 가속화를 위한 GP-GPU의 Thread할당 기법
Thread Distribution Method of GP-GPU for Accelerating Parallel Algorithms
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 적은 면적의 GP-GPU에서 성능을 향상시키기 위한 방법을 제안한다. 본 논문에서는 superscalar와 같이 과도하게 스케줄링 복잡성을 증가시키지 않는 대신 단순한 코어의 수를 늘려 성능을 극대화 시키는 방법을 제안한다. GP-GPU를 구성하는 Stream Processor의 구조를 단순화한다. 또한, Warp Schedule에서 thread 할당을 어플리케이션에 적합한 방법을 개발하여 성능을 개선한다. 성능을 검증하는 방안으로 neural network의 한 분야인 딥러닝에 대한 스레드 할당방식을 제안한다. Neural Network 알고리즘의 경우 Intel CPU 대비 90%에서 ARM Cortex-A15 4 core 대비 98% 성능 향상을 확인할 수 있었다.
Abstract
In this paper, we proposed a way to improve function of small scale GP-GPU. Instead of using superscalar which increase scheduling-complexity, we suggested the application of simple core to maximize GP-GPU performance. Our studies also demonstrated that simplified Stream Processor is one of the way to achieve functional improvement in GP-GPU. In addition, we found that developing of optimal thread-assigning method in Warp Scheduler for specific application improves functional performance of GP-GPU. For examination of GP-GPU functional performance, we suggested the thread-assigning way which coordinated with Deep-Learning system; a part of Neural Network. As a result, we found that functional index in algorithm of Neural Network was increased to 90%, 98% compared with Intel CPU and ARM cortex-A15 4 core respectively.
참고문헌 (7)
- Shuai, "CPU-assisted GPU thread pool model for dynamic task parallelism", Networking, Architecture and Storage (NAS), 2015 IEEE International Conference on (2015)
- 한승현, "The parallelization of binarization using a GP-GPU", The International Journal of Advanced Culture Technology, 4(4), pp.57~63 (2016), 국제문화기술진흥원[DOI]
- Tariq Rashid, "Make Your Own Neural Network" (2017), Hanbit media
- Gyutaek Kyung, "A design of a SIMT architecture based GP-GPU using multi-banked cache memory structure", Master, pp.2015
- 황윤섭, "영상처리를 위한 SIMT 기반 Image Signal Processor 구현", 전기전자학회논문지, 20(1), pp.89~93 (2016), 한국전기전자학회[DOI]
- "Odroid-XU"[URL]
- "raspberrypi"[URL]