개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김윤호
- 발행연도
- 2017
- 저작권
- 상명대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
현재 프로그램이 운용되는 시스템은 기존의 싱글코어 및 멀티코어 환경을 넘어서 매니코어, 부가 프로세스 및 이기종 환경까지 그 영역이 확장되고 있는 중이다. 즉, 계산의 도메인이 CPU를 넘어 GPU 까지 확장되고 있는 중이다. 하지만, 기존 연구의 경우 NVIDIA 벤더에서 나온 아키텍쳐 및 CUDA 로의 병렬화가 주로 이루어졌고 AMD에서 나온 범용 GPU 아키텍쳐인 GCN 아키텍쳐에 대한 최적화 연구는 제한적으로 이루어졌다. 이런 점을 고려해 본 논문에서는 GCN 아키텍쳐의 GPGPU 환경인 OpenCL 내에서의 최적화에 대해 연구하고 실질적인 성능향상을 보이고자 한다. 이를 위해 GCN 아키텍쳐의 메모리 구조 및 작업 환경 등의 특징을 분석하고 이에 적합한 최적화 지점을 도출, 세 지점에 최적화를 진행한다. 최적화 프로그램은 행렬 곱셈과 컨볼루션을 사용해 진행하였다. 행렬 곱셈과 컨볼루션 각 프로그램의 메모리 및 활동 작업 최적화를 통해 실행시간을 기존 프로그램의 최소 30% 이하로 감소시켰으며 실행시간 기준, 평균적으로 20% 이상의 감소를 보였다 커널 이용률 또한 87% 이상 높아졌으며 전반적인 실행시간을 20% 이상 감소하였음을 보였다.
키워드: 병렬처리, GPU, GPGPU, OpenCL, 아키텍쳐
키워드: 병렬처리, GPU, GPGPU, OpenCL, 아키텍쳐
목차
그 림 차 례 i표 차 례 ii국 문 요 약 iii1. 서론 12. 관련연구 52.1 OpenCL API 52.2 루프 최적화(Loop-optimization) 82.3 메모리 타일링 103. GCN 아키텍쳐 123.1 GCN 아키텍쳐 개요 123.2 메모리 스코프 153.3 GCN 디바이스 내 OpenCL 함수 동작 194. 아키텍쳐 기반 최적화 224.1 충돌(Conflict) 224.2 LDS 최적화 254.3 작업그룹 및 범위 조정 275. 실험 결과 285.1 행렬 곱셈 305.2 이미지 컨볼루션 336. 결론 36참 고 문 헌 37ABSTRACT 39
최근 본 자료
댓글(0)
0