Programmer-managed GPU memory is a

Programmer-managed GPU memory is a major challenge in writing GPU applications. Programmers must rewrite and
optimize an existing code for a different GPU memory size for both portability and performance. Alternatively, they can achieve only
portability by disabling GPU memory at the cost of significant performance degradation. In this paper, we propose ScaleGPU, a novel
GPU architecture to enable high-performance memory-unaware GPU programming. ScaleGPU uses GPU memory as a cache of CPU
memory to provide programmers a view of CPU memory-sized programming space. ScaleGPU also achieves high performance by
minimizing the amount of CPU-GPU data transfers and by utilizing the GPU memory’s high bandwidth. Our experiments show that
ScaleGPU can run a GPU application on any GPU memory size and also improves performance significantly. For example, ScaleGPU
improves the performance of the hotspot application by ~48% using the same size of GPU memory and reduces its memory size
requirement by ~75% maintaining the target performance.

ผลลัพธ์ (ไทย) 2:

หน่วยความจำ GPU โปรแกรมเมอร์ที่มีการจัดการเป็นความท้าทายที่สำคัญในการเขียนการใช้งาน GPU โปรแกรมเมอร์ต้องเขียนและเพิ่มประสิทธิภาพรหัสที่มีอยู่สำหรับขนาดหน่วยความจำของ GPU ที่แตกต่างกันสำหรับทั้งการพกพาและประสิทธิภาพการทำงาน
อีกทางเลือกหนึ่งที่พวกเขาจะประสบความสำเร็จเพียงพกพาโดยการปิดหน่วยความจำของ GPU ที่ค่าใช้จ่ายของการเสื่อมประสิทธิภาพอย่างมีนัยสำคัญ
ในบทความนี้เรานำเสนอ ScaleGPU
นวนิยายสถาปัตยกรรมGPU เพื่อเปิดใช้งานการเขียนโปรแกรม GPU หน่วยความจำที่ไม่รู้ที่มีประสิทธิภาพสูง ScaleGPU ใช้หน่วยความจำของ GPU
เป็นแคชของซีพียูหน่วยความจำเพื่อให้โปรแกรมเมอร์มุมมองของพื้นที่การเขียนโปรแกรมCPU หน่วยความจำขนาด ScaleGPU
ยังประสบความสำเร็จในการปฏิบัติงานสูงโดยการลดปริมาณของการถ่ายโอนข้อมูลCPU-GPU และหน่วยความจำโดยใช้ GPU ของแบนด์วิดธ์สูง การทดลองของเราแสดงให้เห็นว่า
ScaleGPU สามารถเรียกใช้โปรแกรมประยุกต์บน GPU ขนาดหน่วยความจำของ GPU ใด ๆ และยังช่วยเพิ่มประสิทธิภาพการทำงานอย่างมีนัยสำคัญ ยกตัวอย่างเช่น ScaleGPU
ช่วยเพิ่มประสิทธิภาพการทำงานของแอพลิเคชันฮอตสปอตโดย ~ 48%
โดยใช้ขนาดเดียวกันของหน่วยความจำกราฟิกการ์ดและการลดขนาดหน่วยความจำของความต้องการโดย~ 75% ที่ยังคงรักษาผลการดำเนินงานเป้าหมาย

ผลลัพธ์ (ไทย) 3:

โปรแกรมจัดการหน่วยความจำ GPU คือความท้าทายหลักในการเขียนโปรแกรม GPU . โปรแกรมเมอร์ต้องเขียนใหม่และเพิ่มประสิทธิภาพของรหัสที่มีอยู่
สำหรับ GPU หน่วยความจำขนาดแตกต่างกันทั้งพกพาและประสิทธิภาพ อีกวิธีหนึ่งคือ พวกเขาสามารถบรรลุเพียง
พกพาโดยปิดการใช้งานหน่วยความจำ GPU ที่ค่าใช้จ่ายของการเสื่อมประสิทธิภาพอย่างมีนัยสำคัญ ในบทความนี้เรานำเสนอ scalegpu นิยาย
สถาปัตยกรรม GPU ให้มีประสิทธิภาพสูงโดยไม่รู้ตัว GPU หน่วยความจำโปรแกรม scalegpu ใช้หน่วยความจำ GPU เป็นแคชของหน่วยความจำ
เพื่อให้โปรแกรมเมอร์สามารถเขียนโปรแกรมหน่วยความจำขนาดพื้นที่ scalegpu ยังบรรลุประสิทธิภาพสูงด้วย
cpu-gpu ลดปริมาณของการถ่ายโอนข้อมูลโดยใช้ GPU หน่วยความจำและแบนด์วิดธ์สูง การทดลองของเราแสดงให้เห็นว่า
scalegpu สามารถรันโปรแกรม GPU บน GPU หน่วยความจำขนาดและยังช่วยเพิ่มประสิทธิภาพอย่างมาก ตัวอย่างเช่น scalegpu
เพิ่มประสิทธิภาพของโปรแกรม Hotspot โดย ~ 48 % ใช้ขนาดเดียวกันของหน่วยความจำของ GPU และลดขนาดของหน่วยความจำ
ความต้องการโดย ~ 75% รักษาประสิทธิภาพเป้าหมาย .