Key points are not available for this paper at this time.
Pour tirer pleinement parti de la puissance des systèmes hétérogènes modernes, il est nécessaire de diviser judicieusement le travail entre tous les dispositifs de calcul disponibles. Les approches existantes pour partitionner le travail nécessitent un entraînement hors ligne et génèrent des partitions fixes qui ne répondent pas aux fluctuations des performances des dispositifs qui surviennent en temps réel. Nous présentons une nouvelle approche dynamique de partitionnement du travail qui ne nécessite pas d'entraînement hors ligne et qui répond automatiquement à la variabilité des performances pour garantir des performances constamment bonnes. En utilisant six applications OpenCL™ diverses, nous démontrons l'efficacité de notre approche dans des scénarios avec et sans variabilité de performance en temps réel, ainsi que dans des scénarios plus extrêmes où un dispositif est non fonctionnel.
Boyer et al. (Fri,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: