메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이영하 (숭실대학교) 김래현 (숭실대학교) 최재영 (숭실대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제12호
발행연도
2018.12
수록면
693 - 698 (6page)
DOI
10.5626/KTCP.2018.24.12.693

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2018

AVX-512를 활용한 인텔 프로세서에서 행렬 곱셈 연산의 오토튜닝 방법
이영하 ,  김래현 ,  최재영 정보과학회 컴퓨팅의 실제 논문지 2018.12 학술저널
AVX-512를 활용한 인텔 프로세서에서 행렬 곱셈 연산의 오토튜닝 방법
이영하 ,  임록택 ,  김래현 외 1명 한국정보과학회 학술발표논문집 2018.06 학술대회자료
AVX-512를 지원하는 인텔 프로세서에서 행렬 곱셈 연산의 오토튜닝 방법
이영하 컴퓨터학과 2018.01 학위논문

초록· 키워드

오류제보하기
BLAS는 선형 대수 및 행렬 연산을 수행할 때 널리 사용되는 라이브러리이다. 특히 블럭 연산을 지원하는 level-3 BLAS는 캐시에 올라오는 데이터의 재사용성을 높여 성능을 최대로 얻을 수 있도록 한다. 이를 위해서는 프로세서의 캐시에 맞는 행렬의 블록크기, 루프 언롤링(loop unrolling) 횟수, 프리패칭(prefetching) 거리 등이 최적화 되는 설정값을 찾아내야 한다. 이를 컴퓨터가 자동으로 실행하면서 최적화하는 과정을 오토튜닝이라고 한다. Intel Knights Landing 등 Intel AVX-512를 사용하는 최신의 인텔 프로세서들은 BLAS 최적화를 위한 오토튜닝 방법이 거의 연구되어 있지 않으므로, 본 연구에서는 Intel AVX-512를 사용하는 인텔의 아키텍처들에서 level-3 BLAS의 성능을 최대화하기 위한 오토튜닝 방법을 보인다.
#AVX-512 #오토튜닝 #인텔 KNL #인텔 스케일러블 프로세서 #행렬곱셈 #autotuning #Intel KNL #Intel Scalable processors #matrix-matrix multiplication

목차

요약
Abstract
1. 서론
2. 배경연구
3. 구현
4. 실험
5. 결론
References

참고문헌 (6)

참고문헌 신청
B. Kagstrom, P. Ling, and C. Van Loan, GEMMbased Level 3 BLAS: High-performance Model Implementations and Performance Evaluation Benchmark, ACM Transactions on Mathematical Software (TOMS), vol. 24, no. 3, pp. 268-302, 1998. J. Bilmes, K. Asanovic, C. Chin, and J. Demmel, Optimizing Matrix Multiply using PHiPAC: a Portable, High-performance, ANSI C Coding Methodology, Proc. of the 11th international conference on Supercomputing, ACM, 1997. R. Whaley and J. Dongarra, Automatically Tuned Linear Algebra Software, Proc. of the 1998 ACM/ IEEE conference on Supercomputing, IEEE Computer Society, 1998. R. Lim, Y. Lee, R. Kim, and J. Choi, An Implementation of Matrix-Matrix Multiplication on the Intel KNL Processor with AVX-512, Cluster Computing, Vol. 21, No. 4, Springer, pp. 1785-1795, 2018. R. Lim, Y. Lee, R. Kim, and J. Choi, OpenMP-based Parallel Implementation of Matrix-Matrix Multiplication on the Intel Knights Landing, Proc. of Workshops of HPC Asia, ACM, pp. 63-66, 2018.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Improvement on Parallel Matrix Multiplication Routines in ScaLAPACK using Blocked Matrix Multiplication Algorithm on Intel KNL Clusters with AVX-512
Thi My Tuyen Nguyen ,  Yoosang Pa ,  k 외 1명 Journal of KIISE 2021 .01
Improvement of Parallel Matrix Multiplication routines in ScaLAPACK by using blocked matrix multiplication algorithm on Intel KNL clusters with AVX-512
Thi My Tuyen Nguyen ,  Yoosang Pa ,  k 외 1명 한국정보과학회 학술발표논문집 2020 .07
Exploring the Performance Impact of Emerging Many-Core Architectures on MPI Communication
Joong-Yeon Cho ,  Hyun-Wook Jin ,  Dukyun Nam Journal of Computing Science and Engineering 2018 .12
Enhancing the Performance of Multiple Parallel Applications using Heterogeneous Memory on the Intel"s Next-Generation Many-core Processor
노승우 ,  김서영 ,  남덕윤 외 2명 Journal of KIISE 2017 .09
Using the On-Package Memory of Manycore Processor for Improving Performance of MPI Intra-Node Communication
조중연 ,  진현욱 ,  남덕윤 Journal of KIISE 2017 .02

최근 본 자료

전체보기

댓글(0)

0