基于神经网络模型的stencil循环最优分块大小预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.11896/jsjkx.220100147

基于神经网络模型的stencil循环最优分块大小预测

引用
stencil循环是科学与工程计算应用中最主要的计算核心之一.循环分块技术可有效改善stencil循环的数据局部性,提高计算并行度.分块的大小选择对stencil循环的性能影响很大,传统的分块大小选择方法通常在时间开销、人工成本、分块选择精度等方面存在短板,实用性较差.文中提出了一种基于人工神经网络的分块大小选择方法,用于预测三维Jaco bi型stencil循环程序的最优分块.对来源于实际数值模拟软件中的11个stencil循环进行最优分块预测,实验结果显示,在单核串行和多核并行两种场景下,程序使用模型预测分块相比不分块的性能提升分别为2% 和35%,与网格搜索方法的分块性能相当,但在线预测时间开销仅约为后者的1/30000.此外,相比基于静态分析的T urbo-tiling方法,预测最优分块的实测性能平均提升了约9%.

stencil计算、循环分块技术、机器学习、人工神经网络

49

TP314(计算技术、计算机技术)

国家自然科学基金62032023

2022-10-20(万方平台首次上网日期,不代表论文的发表时间)

共9页

18-26

相关文献
评论
暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(10)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn