머신 러닝을 이용한 CPU 실행으로부터 GPU 성능 예측

그래픽 처리 장치(GPU)는 범용 프로세서에 비해 상당한 성능 향상을 제공할 수 있습니다. 그러나 GPU 성능 향상은 애플리케이션에 따라 크게 달라집니다. GPU 전용 언어로 코드를 재작성하여 애플리케이션을 GPU에 포팅하는 것은 상당한 노력이 필요합니다. 따라서 GPU로 포팅하기 전에 어떤 애플리케이션이 가장 많은 이익을 누릴 수 있을지를 예측하는 것이 바람직합니다. 이 논문은 머신 러닝 기술이 GPU 가속을 위한 정확한 예측 모델을 구축할 수 있음을 보여줍니다. 이 연구는 범용 프로세서에서 수집된 동적 프로파일 데이터를 기반으로 예측 모델을 도출하기 위해 감독 학습 알고리즘을 적용하는 접근 방식을 제시합니다. 18개의 병렬 벤치마크 세트에 대해, 결과는 쉽게 얻을 수 있는 작은 특성 집합이 두 개의 서로 다른 고급 GPU에서 GPU 속도의 크기를 예측할 수 있음을 보여주며, 정확도는 예측 메커니즘과 시나리오에 따라 77%에서 90%까지 변동합니다. 이미 포팅된 애플리케이션에 대해서는 유사한 모델이 애플리케이션을 실행하는 최상의 장치를 91%의 유효 정확도로 예측할 수 있습니다.