Detail publikace

Optimal Hardware Parameters Prediction for Best Energy-to-Solution of Sparse Matrix Operations Using Machine Learning Techniques

NIKL, V.; ŘÍHA, L.; VYSOCKÝ, O.; ZAPLETAL, J. Optimal Hardware Parameters Prediction for Best Energy-to-Solution of Sparse Matrix Operations Using Machine Learning Techniques. INFOCOMP 2018. The Eighth International Conference on Advanced Communications and Computation. Barcelona: International Academy, Research, and Industry Association, 2018. p. 43-48. ISBN: 978-1-61208-655-2.
Název česky
Predikce optimálních hardwarových parametrů za účelem snížení spotřeby operací nad řídkými matice pomocí neuronových sítí
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Nikl Vojtěch, Ing.
Říha Lubomír, doc. Ing., Ph.D. (FIT)
Vysocký Ondřej, Ing.
Zapletal Jan
URL
Klíčová slova

sparse, neural networks, energy efficiency, prediction

Abstrakt

Důraz na energetickou efektivitu moderních procesorů jde v dnešní době čím dál více do popředí. Mnoho problémů a algoritmů špatně škáluje s  výkonem a počtem procesorových jader, protože jsou omezeny např. výkonem pamětí nebo komunikační sítí, proto nemá smysl v těchto případech používat drahé výkonné procesory, jejichž potenciál by zůstal nevyužit. Místo toho je výhodnější využít nízkopříkonovou architekturu, které jsou při řešení takovýchto úloh efektivnější. Energetická efektivita se dá dále zlepšovat s pomocí dynamických optimalizací hardwaru systému za běhu algoritmu, např. pomocí podtaktovávání nebo vypínání jader procesoru v době jejich nízkého vytížení. Tento článek popisuje výhody získané při použití takovéto nízkopříkonové architektury v rámci HPC clusteru, skupinu algoritmů, pro které je tento přístup vhodný, možné úpravy systému zvyšující jeho efektivitu, dosažené výsledky a budoucí plány.

Rok
2018
Strany
43–48
Sborník
INFOCOMP 2018
Řada
The Eighth International Conference on Advanced Communications and Computation
ISBN
978-1-61208-655-2
Vydavatel
International Academy, Research, and Industry Association
Místo
Barcelona
BibTeX 
@inproceedings{BUT155017,
  author="Vojtěch {Nikl} and Lubomír {Říha} and Ondřej {Vysocký} and Jan {Zapletal}",
  title="Optimal Hardware Parameters Prediction for Best Energy-to-Solution of Sparse Matrix Operations Using Machine Learning Techniques",
  booktitle="INFOCOMP 2018",
  year="2018",
  series="The Eighth International Conference on Advanced Communications and Computation",
  pages="43--48",
  publisher="International Academy, Research, and Industry Association",
  address="Barcelona",
  isbn="978-1-61208-655-2",
  url="https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4&ved=2ahUKEwj45dbYkMfdAhUilYsKHQe1DkwQFjADegQIBxAC&url=https%3A%2F%2Fwww.thinkmind.org%2Fdownload_full.php%3Finstance%3DINFOCOMP%2B2018&usg=AOvVaw0F5eFy3SoDGqt3wTWnO1GV"
}
Nahoru