Evaluating impacts of micro-architectural metrics on error resilience and performance of general purpose GPU applications
Mikro-mimari metriklerin genel amaçlı GPU uygulama hatalarına ve performansına etkilerinin değerlendirilmesi
- Tez No: 813983
- Danışmanlar: DR. ÖĞR. ÜYESİ IŞIL ÖZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hızla artan veri işleme görevleri güçlü ve enerji tüketimi açısından verimli heterojen hesaplama ortamları gerektirir ve GPU cihazları birçok görevi paralel şekilde çalıştırarak bu sistemlerdeki yoğun iş yüklerini hızlandırmada önemli bir misyon üstlenir. Artan mimari karmaşıklık ve GPU cihazlarının yaygın şekilde kullanılması güvenlik açısından önemli uygulamalar için hataya karşı dayanıklılığa ilişkin endişeler ortaya çıkarır. Yanı sıra, performansı artırırken enerji tüketimini azaltmayı hedefleyen yaklaşımlar ise hataya karşı dayanıklılığı yakınsamalar yapmak ve faydalanmak yönüyle konuyu ele alır. Hataya karşı dayanıklılığı, hata oluşumuna yönelimi veya çıktıyı çok bozmayacak yakınsamaları değerlendirmek bir programın cihazdaki çalışmasına yönelik kapsamlı bilgilere sahip olmayı gerekli kılar. Bu tezde, GPU'daki gerçek zamanlı çalışmayı mikro mimari ölçümler aracılığıyla sunan ve görselleştiren bir performans ve güç izleme aracı geliştirdik. Bu araç sayesinde, çalışma esnasındaki performans darboğazları ve meydana gelen hataların çıktı kalitesini nasıl etkilediği hakkında birçok temel anlayış elde ettik. Daha sonra, GPU uygulamaları için hata güvenlik açığını tahmin eden bir yapı öneriyoruz. Bu yapı, hata toleransını doğru bir şekilde tahmin etmeyi sağlar ve önemli çaba gerektiren hata oluşma olasılığını analiz etmekten kurtarır. İzleme aracıyla gözlemlenen performans darboğazları ve tahmin deneyleri sırasında elde edilen hata yayılımı gözlemlerini temel alarak, özellikle bellek kullanımından kaynaklı GPU programlarının performansını ve gücünü iyileştirmeyi hedefleyen donanım tabanlı bir yakınsama aracı sunuyoruz. Çalışma zamanında bellek kullanımına yönelik darboğazlarını çözen yakınsama yöntemi çıktıdaki doğruluğu %98'in üzerinde tutarken, performansı 1,49× (en fazla 2,1×) artırır ve enerji tüketimini %28,4 (%52,6'ya kadar) azaltır.
Özet (Çeviri)
Rapidly growing data processing tasks require powerful and energy-efficient heterogeneous computing systems, and GPUs take on a significant mission for those systems in accelerating heavy workloads by executing multiple parallel tasks concurrently. Increasing architectural complexity and widening employment of GPUs bring error resiliency concerns for safety-critical applications. Furthermore, approaches that enhance performance and reduce energy dissipation handle error resiliency on GPUs through approximate computing solutions. Evaluating error resiliency in terms of either identifying error proneness of a system or investigating approximations without much disturbing the output necessities robust knowledge about the execution of a program on a device. In this thesis, we develop a runtime performance and power monitoring tool visualizing the execution with detailed micro-architectural metrics. By utilizing the tool, we acquire several fundamental understandings about runtime performance bottlenecks and how perturbations affect output quality. Afterward, we propose a framework predicting fault vulnerability for error-resilient GPU applications. The framework can accurately estimate error tolerance and saves from analyzing the fault occurrence probability requiring significant effort. Depending on the performance bottlenecks observed with the tool and the error propagation gained during prediction experiments, we introduce a hardware-based approximation computing approach targeting to improve the performance and power of GPU programs, especially memory-bound ones. The approximation method, which resolves memory utilization bottlenecks at runtime, enhances performance by 1.49× (up to 2.1×) and diminishes energy consumption by 28.4% (up to 52.6%) while maintaining the accuracy on the output above 98%.
Benzer Tezler
- Makine öğrenmesi tabanlı akıllı şehir çözümleri: Bina türü tanıma, su tüketimi öngörüsü ve sızıntı tespiti
Machine learning-based smart city solutions: Building type identification, water consumption forecasting, and leak detection
RAUF YASİN
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEÇKİN ARI
- Energy efficient base station deployment in ris-assisted next-generation hetnets
Rıs-destekli yeni nesil heterojen ağlarda enerji verimli baz istasyonu yerleşimi
MİNE ARDANUÇ
Doktora
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. MEHMET BAŞARAN
- İzmir'de bazı yolların kapatılarak yaya bölgeleri oluşturma da kent peyzajını geliştirme açısından yeniden planlanması üzerinde araştırmalar
Başlık çevirisi yok
BAHAR TÜRKYILMAZ
Yüksek Lisans
Türkçe
1985
Şehircilik ve Bölge PlanlamaEge ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
- İsmayıl Hakkı Baltacıoğlu'nun kültür ve eğitim kavramı üzerine bir inceleme
An Examination of the concepts of culture and education of Ismayıl Hakkı Baltacıoğlu
ABDULLAH DİKİCİ
Doktora
Türkçe
1986
Eğitim ve ÖğretimUludağ ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SUAT ANAR