Dynamic Warp Scheduler Selection Policy Using Linear Regression for GPUs

Q: 이 논문에서 정의한 Warp 스케줄러란 무엇인가?

GPU 코어의 활용률을 최대화하기 위해 Warp의 실행 순서를 결정하는 핵심 요소다. 이는 LRR, TLV, GTO와 같은 다양한 정책을 통해 대규모 연산을 병렬로 처리하는 GPGPU의 효율성을 제어하며, 커널 특성에 맞는 최적의 실행 순서를 부여하는 역할을 수행한다.

Q: 다중 선형 회귀를 이용한 동적 Warp 스케줄러 선택이 GPU 성능에 어떤 영향을 미치는가?

연구 결과, 각 커널에 최적화된 스케줄러를 동적으로 선택함으로써 LRR 대비 3.6%, TLV 대비 9.8%, GTO 대비 7.7%의 성능 향상을 달성하였다. 따라서 정적인 스케줄링 정책의 한계를 극복하고 전체적인 GPU 연산 효율을 극대화할 수 있음을 입증하였다.

Hyunjun Shin; Kyungmin Lee; Ipoom Jeong; Jong Hyun Park; Won Woo Ro

학술대회자료

저자정보: Hyunjun Shin (Yonsei University) Kyungmin Lee (Yonsei University) Ipoom Jeong (Yonsei University) Jong Hyun Park (Yonsei University) Won Woo Ro (Yonsei University)

저널정보: 대한전자공학회 대한전자공학회 학술대회 ICEIC 2017 International Conference on Electronics, Information, and Communication

오류 신고하기

피인용 0

검색

초록·키워드

GPGPU has been popular in many research fields due to its ability to execute massive operations concurrently. Each and every emerging GPU application shows different execution behavior, so it becomes very important to provide suitable execution environment for each application. Warp scheduling is one of the key factors that determine the performance of GPGPUs. Accordingly, various warp scheduling policies have been proposed. However, general warp scheduling policies target different optimization points, thereby dynamic switching of warp scheduler ... 전체 초록 보기

#GPGPU #warp scheduler #LRR #TLV #GTO #multiple linear regression

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2017-569-002195830

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료