基于 AI 规划启发式与机器学习的异构系统优化：一种性能与能耗感知方法
软件工程
2021-06-04 v1 人工智能
机器学习
摘要
异构计算系统提供高性能与高能效。然而，要最优利用此类系统，需要将工作分配到主机 CPU 与加速设备上的方案。本文提出一种性能与能耗感知方法，结合用于参数空间探索的 AI 规划启发式与用于性能和能耗评估的机器学习模型，以确定近最优系统配置。对于数据并行应用，我们的方法确定近最优的主机-设备工作分配、所需处理单元数量及相应调度策略。我们在由 GPU 或 Intel Xeon Phi 加速的多种异构系统上评估了我们的方法。实验结果表明，我们的方法仅通过评估约 7% 的合理配置即可找到近最优系统配置。此外，使用我们的机器学习模型对系统配置进行每焦耳性能估计比通过程序执行进行系统评估快 1000 倍以上。
引用
@article{arxiv.2106.01441,
title = {Optimization of Heterogeneous Systems with AI Planning Heuristics and Machine Learning: A Performance and Energy Aware Approach},
author = {Suejb Memeti and Sabri Pllana},
journal= {arXiv preprint arXiv:2106.01441},
year = {2021}
}
备注
Preprint