지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of Computing Science and Engineering Journal of Computing Science and Engineering Vol.15 No.4
- 발행연도
- 2021.12
- 수록면
- 135 - 147 (13page)
- DOI
- 10.5626/JCSE.2021.15.4.135
이용수
초록· 키워드
오류제보하기
In this paper, we study the use of an Operand-Width-Aware Register (OWAR) packing mechanism for graphics processing unit (GPU) energy saving. In order to efficiently use the GPU register file (RF), OWAR employs a power gating method to shut down unused register sub-arrays in order to reduce dynamic and leakage energy consumption of RF. As the number of register accesses was reduced due to the packing of the narrow width operands, the dynamic energy dissipation was further decreased. Finally, with the help of RF usage optimized by register packing, OWAR allowed GPUs to support more thread-level parallelism (TLP) through assigning additional thread blocks on streaming multiprocessors (SMs) for general-purpose GPU (GPGPU) applications that suffered from the deficiency of register resources. The extra TLP opens opportunities for hiding more memory latencies and thus reducing the overall execution time, which can lower the overall energy consumption. We evaluated OWAR using a set of representative GPU benchmarks. The experimental results showed that compared to the baseline without optimization, OWAR can reduce the GPGPU’s total energy up to 29.6% and 9.5% on average. In addition, OWAR achieved performance improvement up to 1.97X and 1.18X on average.
목차
Abstract
I. INTRODUCTION
II. BACKGROUND OVERVIEW
III. MOTIVATION
IV. OPERAND-WIDTH-AWARE REGISTER PACKING MECHANISM
V. METHODOLOGY AND HARDWARE DETAILS
VI. EXPERIMENTAL RESULTS
VII. RELATED WORK
VIII. CONCLUSION
REFERENCES
참고문헌 (33)
참고문헌 신청
K. Fatahalian and M. Houston, “A closer look at GPUs,” Communications of the ACM, vol. 51, no. 10, pp. 50-57, 2008.
S. Che, M. Boyer, J. Meng, D. Tarjan, J. W. Sheaffer, and K. Skadron, “A performance study of general-purpose applications on graphics processors using CUDA,” Journal of Parallel and Distributed Computing, vol. 68, no. 10, pp. 1370-1380, 2008.
P. Karnick, “GPGPU: general purpose computing on graphics hardware,” 2006; https://www.researchgate.net/publication/262293516_GPGPU_General_purpose_computation_on_graphics_hardware.
E. Lindholm, J. Nickolls, S. Oberman, and J. Montrym, “NVIDIA Tesla: a unified graphics and computing architecture,” IEEE Micro, vol. 28, no. 2, pp. 39-55, 2008.
NVIDIA, NVIDIA’s Next Generation CUDA Compute Architecture: Fermi. Santa Clara, CA: NVIDIA, 2009.
S. Che, M. Boyer, J. Meng, D. Tarjan, J. W. Sheaffer, and K. Skadron, “A performance study of general-purpose applications on graphics processors using CUDA,” Journal of Parallel and Distributed Computing, vol. 68, no. 10, pp. 1370-1380, 2008.
P. Karnick, “GPGPU: general purpose computing on graphics hardware,” 2006; https://www.researchgate.net/publication/262293516_GPGPU_General_purpose_computation_on_graphics_hardware.
E. Lindholm, J. Nickolls, S. Oberman, and J. Montrym, “NVIDIA Tesla: a unified graphics and computing architecture,” IEEE Micro, vol. 28, no. 2, pp. 39-55, 2008.
NVIDIA, NVIDIA’s Next Generation CUDA Compute Architecture: Fermi. Santa Clara, CA: NVIDIA, 2009.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Packing Narrow-Width Operands to Improve GPU Performance
Journal of Computing Science and Engineering
2018 .06
-
SIMT구조 GP-GPU의 명령어 처리 성능 향상을 위한 Dispatch Unit과 Operand Selection Unit설계
전기전자학회논문지
2015 .09
-
Design of a GPU Register File Using a Monolithic 3D Technique
IEIE Transactions on Smart Processing & Computing
2019 .12
-
국방정보시스템 성능향상을 위한 효율적인 GPU적용방안 연구
디지털산업정보학회논문지
2015 .01
-
Workload Characteristics-based L1 Data Cache Switching-off Mechanism for GPUs
한국컴퓨터정보학회논문지
2018 .10
-
GPU 메모리 용량을 초과하는 위성영상의 GPU 기반 병렬처리
대한공간정보학회 학술대회
2020 .06
-
GPU Register File의 Bank Conflict 분석
대한전자공학회 학술대회
2018 .06
-
적응형 미니배치 데이터 재분배를 통한 멀티 GPU 환경에서 딥러닝 학습 응용의 효율성 향상
전자공학회논문지
2022 .09
-
효율적인 GPU 메모리 컨트롤러 설계를 위한 GPU 메모리 성능 분석 연구
한국통신학회 학술대회논문집
2015 .01
-
GPU를 이용한 파일 유사도 시스템의 성능 분석
한국정보과학회 학술발표논문집
2015 .12
-
다중 GPU기반 홀로그램 생성을 위한 병렬처리 성능 최적화 기법 기재
스마트미디어저널
2019 .01
-
Survey on Techniques to Reduce GPU Memory Consumption in Neural Network Training
한국정보과학회 학술발표논문집
2020 .07
-
Intel Full GPU 가상화 환경에서 CPU-GPU 통신에 따른 GPGPU Application의 성능 실험 및 분석
한국정보과학회 학술발표논문집
2017 .12
-
GPU 경합에 의한 크리티컬 태스크의 지연 시간을 단축하기 위한 GPU 커맨드 전송률 제어 기법
한국정보과학회 학술발표논문집
2018 .06
-
GPU 구성 요소의 성능 및 전력 소비에 대한 민감도 분석
한국정보과학회 학술발표논문집
2024 .12
-
쿠다를 사용하여 GPU 리소스를 분배하는 지능형 얼굴 인식 및 트래킹 시스템
전기전자학회논문지
2018 .06
-
컨테이너 클라우드 기반 딥러닝 학습의 GPU 배치 기술 연구
대한전기학회 학술대회 논문집
2021 .10
-
BERT 학습에서 GEMM 연산의 낮은 GPU 활용도 분석
정보과학회 컴퓨팅의 실제 논문지
2022 .04
-
GPU 기반 데이터 집약 시스템에 대한 비교연구
한국정보과학회 학술발표논문집
2018 .06
-
다중 GPU 사용을 위한 CUDA C 행렬의 곱 프로그램의 구현
한국정보기술학회논문지
2020 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0