The growth in using GPUs for nongra

The growth in using GPUs for nongraphics
computation illustrates that
programmers are willing to redesign algorithms
[3B2-9] mmi2012030007.3d 17/5/012 12:42 Page 14
0
1
2
3
4
HT-H HT-L ATM CL BH CC AP
Normalized execution time
Ideal TM (Infinite TransWarp) Kilo TM (2 TransWarp/core)
Kilo TM (Infinite TransWarp) FG lock
8.1 6.2 5.7
Figure 7. Execution time of our applications with Kilo TM and fine-grained
locking (FG lock), normalized to the execution time of ideal TM. Lower is
better. (Infinite TransWarp: unlimited transaction concurrency; 2 TransWarp/
core: limiting each core to two concurrent transaction warps.)
....................................................................
14 IEEE MICRO
...............................................................................................................................................................................................
TOP PICKS
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 สำหรับ nongraphicsแสดงการคำนวณที่โปรแกรมเมอร์มีความเต็มใจในการออกแบบขั้นตอนวิธีMmi2012030007.3d [3B2-9] 17/5/012 14 หน้า 12:4201234HT HT-H-L ATM CL BH CC APเวลามาตรฐานในการดำเนินการTM กิโล TM (TransWarp อนันต์) เหมาะ (2 TransWarp หลัก)ล็อกกิโล FG TM (TransWarp อนันต์)8.1 6.2 5.7รูปที่ 7 เวลาในการดำเนินงานของเรา กับ TM กิโลกรัม และกำหนดล็อค (FG lock), ตามปกติการดำเนินงานของ TM เหมาะ เป็นล่างดีกว่า (อนันต์ TransWarp: ธุรกรรมที่ไม่จำกัดพร้อมกัน 2 TransWarp /หลัก: จำกัดแต่ละคอร์จะตกสองธุรกรรมที่เกิดขึ้นพร้อมกัน)....................................................................ไมโคร IEEE 14...............................................................................................................................................................................................ยอดนิยมทำลายของ Gpu ประสิทธิภาพสูงคำนวณสถาปัตยกรรม GPU เพื่อเสริมสร้างสนับสนุนกลไกการซิงโครไนส์ที่แข็งแกร่งเป็นหน่วยความจำของทรานแซคชันจะลดการความเสี่ยงของการนำเอา Gpu สำหรับยิ่งซับซ้อนการใช้งาน บางส่วนของข้อมูลเชิงลึก และนวัตกรรมที่ได้รับจากงานนี้จะมีแนวโน้มใช้กับ Cpu แบบหลายแกนเช่นปรับปรุงพวกเขาสนับสนุนเธรดพร้อมกันมากขึ้น ของเราการประเมินระบบ TM เหมาะจูงเราได้ทำการปรับปรุงต่อไปกิโล TM ยังต้องทำงานในอนาคตเทคนิคการปรับแต่งประสิทธิภาพการทำงานสำหรับสำรวจการใช้งาน GPU TM ข้อมูลเชิงลึกที่ได้จากสำรวจเหล่านี้อาจนำไปสู่การTM GPU ที่ดีที่สุด ใช้งานง่ายอินเตอร์เฟซที่ไม่ทำลายความสามารถของโปรแกรมเมอร์ไปเพิ่มประสิทธิภาพการทำงานของโปรแกรมประยุกต์

ผลลัพธ์ (ไทย) 2:

การเจริญเติบโตในการใช้ GPUs สำหรับ nongraphics
คำนวณแสดงให้เห็นว่า
การเขียนโปรแกรมมีความเต็มใจที่จะออกแบบอัลกอริทึม
[3B2-9] mmi2012030007.3d 17/5/012 12:42 หน้า 14
0
1
2
3
4
HT-H HT-L เอทีเอ็ม CL BH CC AP
เวลาการดำเนินงานปกติ
เหมาะ TM (Infinite transwarp) กิโล TM (2 transwarp / หลัก)
กิโล TM (Infinite transwarp) FG ล็อค
8.1 6.2 5.7
รูปที่ 7. เวลาการดำเนินการของการใช้งานของเราด้วยกิโล TM และละเอียด
ล็อค (ล็อค FG) ปกติ เวลาที่เหมาะสำหรับการดำเนินการของ TM ต่ำกว่า
ดีกว่า (Transwarp ไม่มีที่สิ้นสุด: เห็นพ้องด้วยการทำธุรกรรมไม่ จำกัด 2 Transwarp /
หลัก: จำกัด แต่ละหลักในการทำธุรกรรมทั้งสองพร้อมกันประลองยุทธ์.)
........................... .........................................
14 IEEE MICRO
...... .................................................. .................................................. .................................................. ...................................
สุดยอด
การใช้ประโยชน์จาก GPUs 'ประสิทธิภาพการคำนวณสูง
การเสริมสร้างสถาปัตยกรรม GPU เพื่อ
สนับสนุนกลไกการประสานแข็งแกร่ง
เช่นหน่วยความจำในการทำธุรกรรมจะลด
ความเสี่ยงของการจ้างงานสำหรับ GPUs ที่ซับซ้อนมากขึ้น
การใช้งาน บางส่วนของข้อมูลเชิงลึกและ
นวัตกรรมที่ได้รับจากงานนี้มีแนวโน้มที่จะ
นำไปใช้กับซีพียูแบบมัลติคอร์ที่พวกเขาขนาดเพื่อ
รองรับหัวข้อพร้อมกันมากขึ้น เรา
ประเมินผลด้วยระบบ TM เหมาะที่กระตุ้นให้
เราเพื่อให้การปรับปรุงต่อไป
กิโล TM การทำงานในอนาคตนอกจากนี้ยังเป็นสิ่งจำเป็นเพื่อ
สำรวจเทคนิคการปรับแต่งประสิทธิภาพการทำงานสำหรับ
การใช้งาน GPU TM ข้อมูลเชิงลึกที่ได้รับจาก
การสำรวจเหล่านี้อาจนำไปสู่การ
ใช้ GPU เพิ่มประสิทธิภาพอินเตอร์เฟซที่ใช้งานง่าย TM ที่
ไม่ทำลายความสามารถในการเขียนโปรแกรมเพื่อ
เพิ่มประสิทธิภาพการประยุกต์ใช้

ผลลัพธ์ (ไทย) 3:

การเจริญเติบโตในการใช้ nongraphics GPUs สำหรับการคำนวณพบว่าโปรแกรมเมอร์ยินดีที่จะออกแบบขั้นตอนวิธี[ 3b2-9 ] mmi2012030007.3d 17 / 5 / 012 12:42 หน้า 140123 .4 .ht-h ht-l ตู้ CL BH ซีซีเอพีปกติเวลาประหารTM เหมาะ ( อนันต์ทรานส์วาป ) กิโล ( 2 ทรานส์วาป / Core ) สำหรับกิโล TM ( อนันต์ทรานส์วาป ) FG ล็อค6.2 5.7 8.1รูปที่ 7 การเวลาของการใช้งานของเราด้วยกิโล TM และอย่างละเอียดล็อค ( ล็อค FG ) ปกติการประหารของ TM เหมาะ ต่ําคือดีกว่า ( อนันต์ทรานส์วาป : ไม่ จำกัด รายการพร้อมกัน 2 ทรานส์วาป /หลักแต่ละหลักสอง : การบิดเบี้ยว ( พร้อมกัน )....................................................................14 โดยไมโคร...............................................................................................................................................................................................เลือกด้านบนเพื่อประโยชน์สูงสุด ' คอมพิวเตอร์ประสิทธิภาพสถาปัตยกรรม GPU เพื่อเพิ่มการสนับสนุนที่แข็งแกร่งประสานกลไกเช่น การจะลดหน่วยความจำความเสี่ยงของการ GPUs ที่ซับซ้อนมากขึ้นการประยุกต์ใช้ บางส่วนของข้อมูลเชิงลึกและนวัตกรรมที่ได้รับจากงานนี้อาจจะยังใช้กับซีพียูแบบมัลติคอร์เป็นพวกเขาสนับสนุนการเพิ่มหัวข้อ ของเราการประเมินด้วยระบบ TM เหมาะกระตุ้นเราให้การปรับปรุงต่อไปกิโล สงวนลิขสิทธิ์ การทำงานในอนาคตยังต้องการศึกษาเทคนิคการปฏิบัติสำหรับการปรับแต่งโปรแกรม TM GPU . ข้อมูลเชิงลึกที่ได้รับจากการสำรวจเหล่านี้อาจนำไปสู่ใช้งานง่ายอินเตอร์เฟซที่ใช้ GPU ที่ปรับให้เหมาะสมไม่ทำลายความสามารถของโปรแกรมเมอร์เพิ่มประสิทธิภาพของโปรแกรมประยุกต์