[論文] 使用異質平台加速模擬異質平台

沒意外這應該是碩士生涯最後一篇在Regular Meeting中報告的論文了(希望)

一開始的時候因為新計畫預計要設計一個智慧推薦系統

所以找了一些和Recommendation System、Machine Learning、Deep Learning相關的文章來看。

後來發現完全沒有底子直接去看Transaction的論文實在是太深了,為了避免被電得慘兮兮只好換一篇。

剛好在Parallel and Distributed Systems, IEEE Transactions on中找到這篇蠻新的論文

GPU Acceleration for Simulating Massively Parallel Many-Core Platforms

碩一下又有修過高速運算,對於GPU、CUDA不至於像是前面那樣的陌生,就大膽的選擇換這篇來看。

沒想到真是換對了~不知道是我報得清楚還是老師沒興趣,總之沒受到太大的挑戰。

 

在這篇論文中作者提出一個模擬架構

他提到隨著越來越多的新興應用對於複雜性和性能要求,異構平台正在成為一種電腦設計的流行趨勢。

異構平台(Heterogeneous Platform)指得是由傳統多核心CPU以及GPU所組成的運算架構

根據NVIDIA的介紹,GPU 加速運算係指以圖形處理單元 (GPU) 搭配 CPU,藉以加速科學、工程和企業應用。

他將程式中可以平行處理的部分offloading到GPU的多核心上平行處理,已提升程式整體運行速度。

 

在論文中作者就是利用GPU可平行運算的這個特性,將每個要模擬的GPU核心對應到CUDA的Thread

這些Thread便會經由GPU硬體Scheduler實際分配運行在GPU核心上

程式實作時,也考慮到要模擬的GPU核心的不同模組:Core model、Memory model、Network model等等

效能預測和同步的部分,則是提出Cycle-approximate method和Relaxed-Synchronization這兩個機制

最後的效能比較也顯示出和目前著名OVPSim模擬器相較之下可以明顯的提升不少模擬速度

 

整篇論文念下來邏輯清晰,也不會有覺得解釋不太清楚的地方,是一篇很棒的論文(y)

[slideshare id=47768234&doc=gpuaccelerationforsimulatingmassivelyparallelmany-coreplatforms-150505052639-conversion-gate01&w=450&h=300]