CPU-GPU 异构系统上单边矩阵分解的节能优化
分布式、并行与集群计算
2023-04-27 v2
摘要
单边稠密矩阵分解（如 Cholesky、LU 和 QR）是众多领域科学计算的关键组件。尽管其设计已针对现代处理器高度优化，它们仍消耗可观的能量。由于 CPU-GPU 异构系统常用于矩阵分解，本文旨在进一步提升其在 CPU-GPU 异构系统上单边矩阵分解的节能效果。我们首先构建一种基于算法的容错保护超频技术（ABFT-OC），以利用对关键矩阵分解操作的可靠超频。随后，我们设计了一个节能矩阵分解框架——双向松弛回收（BSR），能够智能结合 ABFT-OC 与 DVFS 所提供的功能，以最大化节能并保持性能与可靠性。实验表明，相较当前最佳节能优化方法，BSR 可额外节省至多 11.7% 的能量且无性能下降，并实现至多 14.1% 的 Energy * Delay^2 降低。此外，BSR 实现了帕累托高效的性能-能耗权衡，能够在不增加额外能耗的前提下提供至多 1.43 倍性能提升。
引用
@article{arxiv.2301.03166,
title = {Improving Energy Saving of One-sided Matrix Decompositions on CPU-GPU Heterogeneous Systems},
author = {Jieyang Chen and Xin Liang and Kai Zhao and Hadi Zamani Sabzi and Laxmi Bhuyan and Zizhong Chen},
journal= {arXiv preprint arXiv:2301.03166},
year = {2023}
}