Once we have pruned our graph, we a

Once we have pruned our graph, we assign hairs to processors for parallelization. To optimize performance, we attempt to minimize the data exchanged between processors by using a greedy graph clustering algorithm. We initially assign equal numbers of hairs to each processor, creating a graph clustering. The goal is to reduce the communication cost, computed as the number of edges between the processor groups, while maintaining equal workloads. To do so, we greedily swap hairs between processors if it reduces the communication cost, iterating until we have reached a minimum, or have exceeded a maximum number of swaps (see Figure 13, right). This final clustering allows us to send less information between processors than if we had simply used all contact pairs, leading to more efficient parallelization. Note that we could use any algorithm for constructing the hair adjacency graph as long as it produces good communication patterns between processors.

ผลลัพธ์ (ไทย) 1:

เมื่อเราได้ pruned กราฟของเราเรากำหนดเส้นขนที่จะประมวลผลเพื่อ parallelization ที่จะเพิ่มประสิทธิภาพการทำงานเราพยายามที่จะลดข้อมูลที่แลกเปลี่ยนระหว่างการประมวลผลโดยใช้ขั้นตอนวิธีการจัดกลุ่มกราฟโลภ เราเริ่มกำหนดจำนวนเท่ากันขนไปยังแต่ละหน่วยประมวลผลในการสร้างกราฟการจัดกลุ่ม เป้าหมายคือการลดค่าใช้จ่ายในการสื่อสารคำนวณเป็นจำนวนของขอบระหว่างกลุ่มการประมวลผลในขณะที่รักษาปริมาณงานเท่ากับ จะทำเช่นนั้นเราตะกละตะกลามขนสลับระหว่างการประมวลผลถ้าจะช่วยลดค่าใช้จ่ายในการสื่อสารที่ iterating จนกว่าเราจะได้มาถึงขั้นต่ำหรือได้เกินจำนวนสูงสุดของสัญญาแลกเปลี่ยน (ดูรูปที่ 13, ขวา)กลุ่มสุดท้ายนี้ช่วยให้เราสามารถส่งข้อมูลระหว่างหน่วยประมวลผลน้อยกว่าถ้าเราได้ใช้เพียงคู่ติดต่อทั้งหมดที่นำไปสู่​​ parallelization มีประสิทธิภาพมากขึ้น ทราบว่าเราสามารถใช้วิธีการใดในการสร้างกราฟถ้อยคำผมตราบใดที่มันก่อให้เกิดรูปแบบการสื่อสารที่ดีระหว่างการประมวลผล

ผลลัพธ์ (ไทย) 2:

เมื่อเราได้ล้างกราฟของเรา เรากำหนดเส้นขนให้ตัวประมวลผลสำหรับ parallelization การปรับปรุงประสิทธิภาพ เราพยายามลดข้อมูลที่แลกเปลี่ยนระหว่างตัวประมวลผลโดยใช้อัลกอริทึมคลัสเตอร์กราฟโลภ เราเริ่มกำหนดเท่ากับจำนวนเส้นขนแต่ละหน่วยประมวลผล สร้างกราฟคลัสเตอร์ เป้าหมายคือการ ลดต้นทุนการสื่อสาร คำนวณเป็นจำนวนขอบระหว่างกลุ่มตัวประมวลผล เวิร์กเท่านั่น การทำเช่นนั้น เราตะกละตะกลามสลับเส้นขนระหว่างตัวประมวลผลถ้ามันลดต้นทุนการสื่อสาร วนจนกระทั่งเรามาถึงอย่างน้อย หรือเกินจำนวนสูงสุดของ swaps (ดูรูปที่ 13 ขวา) คลัสเตอร์นี้สุดท้ายช่วยให้เราสามารถส่งข้อมูลระหว่างโปรเซสเซอร์มากกว่าถ้าเรามีเพียงแค่ใช้ติดต่อทั้งคู่ นำ parallelization มากน้อย โปรดสังเกตว่า เราสามารถใช้อัลกอริทึมใด ๆ สำหรับการสร้างกราฟ adjacency ผมตราบใดที่มันสร้างรูปแบบการสื่อสารที่ดีระหว่างตัวประมวลผล

ผลลัพธ์ (ไทย) 3:

เมื่อเรามี pruned กราฟของเราเรากำหนดเส้นขนกับโปรเซสเซอร์สำหรับ parallelization ในการเพิ่ม ประสิทธิภาพ การทำงานเราพยายามที่จะลดข้อมูลที่มีการแลกเปลี่ยนกันระหว่างโปรเซสเซอร์โดยใช้อัลกอริธึมคลัสเตอร์กราฟความ โลภ ที่ เราในครั้งแรกกำหนดจำนวนที่เท่าๆกันของเส้นขนให้กับโปรเซสเซอร์แต่ละตัวการสร้างคลัสเตอร์กราฟ เป้าหมายคือเพื่อลดค่าใช้จ่ายในการสื่อสารได้คำนวณเป็นจำนวนของขอบระหว่างกลุ่มโปรเซสเซอร์ในขณะที่ยังคงรักษาการทำงานเท่ากับ ในการดำเนินการดังกล่าวให้เราด้วยความ โลภ hot swap เส้นขนระหว่างโปรเซสเซอร์หากจะช่วยลดค่าใช้จ่ายในการสื่อสารที่ iterating จนกว่าเราจะได้มาถึงอย่างน้อยหรือมีจำนวนมากกว่าจำนวนสูงสุดของกู้ยืมเงินโดย(ดูรูปที่ 13 ด้านขวา)ระบบคลัสเตอร์สุดท้ายนี้ช่วยให้เราสามารถส่งข้อมูลน้อยลงระหว่างโปรเซสเซอร์มากกว่าถ้าเราได้นำมาใช้คู่ผู้ติดต่อทั้งหมดเป็นผู้นำในการเพิ่มเติม parallelization เรียบง่ายอย่างมี ประสิทธิภาพ โปรดทราบว่าเราสามารถใช้อัลกอริทึมสำหรับสร้างกราฟอยู่ใกล้ชิดผมได้ตราบใดที่มันจะสร้างรูปแบบการสื่อสารที่ดีระหว่างโปรเซสเซอร์