The growth in using GPUs for nongra

The growth in using GPUs for nongraphics computation illustrates that programmers are willing to redesign algorithms to exploit GPUs’ high computational efficiency. Enhancing GPU architectures to support robust synchronization mechanisms such as transactional memory will lower the risk of employing GPUs for more complex applications. Some of the insights and innovations gained from this work will likely also apply to multicore CPUs as they scale to support more concurrent threads. Our evaluation with an ideal TM system motivates us to make further improvements to Kilo TM. Future work is also needed to explore performance-tuning techniques for GPU TM applications. Insights gained from these explorations could contribute to a GPU-optimized, intuitive TM interface that doesn’t undermine programmers’ ability to enhance application performance

ผลลัพธ์ (ไทย) 1:

การเจริญเติบโตในการใช้ Gpu สำหรับการคำนวณ nongraphics แสดงว่า โปรแกรมเมอร์ยินดีออกแบบขั้นตอนวิธีเพื่อใช้ประโยชน์จากของ Gpu ประสิทธิภาพสูงคำนวณ เสริมสร้างสถาปัตยกรรม GPU เพื่อสนับสนุนกลไกการซิงโครไนส์ที่แข็งแกร่งเช่นหน่วยความจำของทรานแซคชันจะลดความเสี่ยงของ GPUs จ้างสำหรับงานที่ซับซ้อนมาก ข้อมูลเชิงลึกและนวัตกรรมที่ได้รับจากงานนี้จะมีแนวโน้มใช้กับ Cpu แบบหลายแกนจะย่อหรือขยายเพื่อรองรับเธรดพร้อมกันมากขึ้นด้วย เมินระบบ TM เหมาะจูงเราได้ทำการเพิ่มเติมปรับปรุงกิโล TM ในอนาคตงานยังจำเป็นต้องไปสำรวจเทคนิคการปรับแต่งประสิทธิภาพการทำงานสำหรับการใช้งาน GPU TM ข้อมูลเชิงลึกที่ได้จากการสำรวจเหล่านี้อาจนำไปสู่การเป็น GPU ที่ดีที่สุด ใช้งานง่าย TM อินเทอร์เฟซที่ไม่ทำลายความสามารถของโปรแกรมเมอร์เพื่อเพิ่มประสิทธิภาพการทำงานของโปรแกรมประยุกต์

ผลลัพธ์ (ไทย) 2:

การเจริญเติบโตในการใช้ GPUs สำหรับ nongraphics คำนวณแสดงให้เห็นว่าการเขียนโปรแกรมมีความเต็มใจที่จะออกแบบขั้นตอนวิธีการที่จะใช้ประโยชน์ GPUs 'ประสิทธิภาพการคำนวณสูง การเสริมสร้างสถาปัตยกรรม GPU เพื่อสนับสนุนกลไกการประสานแข็งแกร่งเช่นหน่วยความจำในการทำธุรกรรมจะลดความเสี่ยงของ GPUs จ้างสำหรับการใช้งานที่ซับซ้อนมากขึ้น บางส่วนของข้อมูลเชิงลึกและนวัตกรรมที่ได้รับจากงานนี้มีแนวโน้มที่จะนำไปใช้กับซีพียูแบบมัลติคอร์ที่พวกเขาขนาดเพื่อรองรับหัวข้อพร้อมกันมากขึ้น การประเมินผลของเรากับระบบ TM เหมาะกระตุ้นให้เราเพื่อให้การปรับปรุงต่อไปกิโล TM การทำงานในอนาคตนอกจากนี้ยังเป็นสิ่งจำเป็นที่จะสำรวจเทคนิคการปรับแต่งประสิทธิภาพการทำงานสำหรับการใช้งาน GPU TM ข้อมูลเชิงลึกที่ได้รับจากการสำรวจเหล่านี้อาจนำไปสู่การใช้ GPU ที่เหมาะกับอินเตอร์เฟซที่ใช้งานง่าย TM ที่ไม่ทำลายความสามารถในการเขียนโปรแกรม 'เพื่อเพิ่มประสิทธิภาพของแอพลิเคชัน

ผลลัพธ์ (ไทย) 3:

การเจริญเติบโตในการใช้ nongraphics GPUs สำหรับการคำนวณแสดงให้เห็นว่าโปรแกรมเมอร์ยินดีที่จะออกแบบอัลกอริทึมเพื่อประโยชน์สูงสุด ' คอมพิวเตอร์ประสิทธิภาพ เพิ่มสถาปัตยกรรม GPU เพื่อสนับสนุนกลไกการประสานที่แข็งแกร่ง เช่น หน่วยความจําเป็นจะลดความเสี่ยงของการ GPUs สำหรับการใช้งานที่ซับซ้อนมากขึ้น บางส่วนของข้อมูลเชิงลึกและนวัตกรรมที่ได้จากงานนี้อาจจะยังใช้ซีพียูมัลติคอร์เป็นมาตราส่วน เพื่อสนับสนุนการเพิ่มหัวข้อ การประเมินของเราด้วยระบบ TM เหมาะให้เราเพื่อให้การปรับปรุงต่อไปกิโลสงวนลิขสิทธิ์ การทำงานในอนาคตยังต้องศึกษาเทคนิคการใช้งานและปรับแต่งประสิทธิภาพ GPU . ข้อมูลเชิงลึกที่ได้รับจากการสำรวจเหล่านี้อาจส่งผลให้ใช้งานง่ายอินเตอร์เฟซที่ปรับ GPU , ซึ่งไม่ทำลายความสามารถในการเพิ่มประสิทธิภาพของโปรแกรมประยุกต์ของโปรแกรมเมอร์