Los puntos clave no están disponibles para este artículo en este momento.
Este trabajo proporciona un enfoque que optimiza automáticamente los cálculos de componentes en dispositivos de unidad de procesamiento gráfico (GPU) de diferentes vendedores. El enfoque consiste en una optimización de dos niveles, donde el primer nivel considera la parte lineal del cálculo para la vectorización y aplica formatos de matriz mixtos para aumentar aún más el rendimiento computacional. Luego, el segundo nivel de optimización trata la combinación de partes lineales y no lineales como una caja negra y busca la configuración óptima de parámetros como el grado de vectorización, la combinación de formatos de matriz y los tamaños de grupo (de hilos) durante la ejecución en paralelo en GPU. Además, también introducimos restricciones que reducen el tiempo de ejecución del procedimiento de optimización. Finalmente, seleccionamos tres tipos diferentes de componentes que podrían ser representativos de tareas computacionales en sistemas de energía y aplicamos nuestro enfoque de optimización en estos núcleos. El rendimiento computacional se compara con una línea base no optimizada y con implementaciones basadas en bibliotecas de álgebra lineal dispersa; los resultados muestran que nuestra optimización conduce a un mejor rendimiento y a una utilización de memoria más eficiente.
Mittenbühler et al. (Viernes,) estudiaron esta cuestión.