Um modelo integrado de potência e desempenho de GPU

As arquiteturas de GPU são cada vez mais importantes na era multi-core devido ao seu alto número de processadores paralelos. A otimização de desempenho para processadores multi-core tem sido um desafio para programadores. Além disso, otimizar para consumo de energia é ainda mais difícil. Infelizmente, devido ao alto número de processadores, o consumo de energia de processadores many-core, como as GPUs, aumentou significativamente. Portanto, neste artigo, propomos um modelo de previsão integrado de potência e desempenho (IPP) para uma arquitetura de GPU para prever o número ideal de processadores ativos para uma determinada aplicação. A intuição básica é que, quando uma aplicação atinge a largura de banda de memória máxima, usar mais núcleos não resulta em melhoria de desempenho. Desenvolvemos um modelo de potência empírico para a GPU. Ao contrário da maioria dos modelos anteriores, que exigem tempos de execução medidos, contadores de desempenho de hardware ou simulações arquiteturais, o IPP prevê os tempos de execução para calcular eventos de potência dinâmica. Em seguida, usamos o resultado do IPP para controlar o número de núcleos em funcionamento. Também modelamos os aumentos no consumo de energia que resultaram dos aumentos de temperatura. Com o número ideal previsto de núcleos ativos, mostramos que podemos economizar até 22,09% do consumo de energia em tempo de execução da GPU e, em média, 10,99% disso para os cinco benchmarks limitados pela largura de banda de memória.