???jsp.display-item.identifier??? https://repositorio.unipampa.edu.br/jspui/handle/riu/4169
Tipo: Trabalho de Conclusão de Curso
metadata.dc.title: Um estudo sobre a otimização de aplicações paralelas através de aprendizado de máquina
Autor(es): Berned, Gustavo Paim
Primeiro Orientador: Lorenzon, Arthur Francisco
Resumo: Encontrar o número de threads que atende uma aplicação de maneira satisfatória não é uma tarefa trivial devido às diferentes variáveis envolvidas, tais como conjunto de entrada, organização hierarquica de memória e microarquitetura do processador. Entretanto, se uma aplicação tem comportamento similar quando diferentes conjuntos de entrada são utilizados, podemos usar um tamanho de entrada pequeno para predizer seu comportamento quando executar com um conjunto de entrada grande. Neste sentido, o objetivo deste trabalho consiste em utilizar os dados coletados pela execução de uma aplicação paralela com um conjunto de entrada pequeno para estimar o seu comportamento quando executada com um conjunto grande. A partir desta estimativa, pretende-se encontrar o grau de exploração de paralelismo no nível de threads que fornece o melhor desempenho, consumo de energia e/ou Energy-Delay Product (EDP) para a execução com a entrada grande. Através da execução de dezessete benchmarks conhecidos e amplamente utilizados pela comunidade acadêmica em um processador AMD com 16 núcleos, este trabalho mostra que é possível usar o comportamento da execução com conjunto de entrada pequeno para otimizar a execução com um conjunto grande. Considerando a média de todas as aplicações, os resultados mostram uma redução de 9% do consumo de energia e 10% do EDP comparado a execução com o número de threads padrão do sistema. O trabalho mostram ainda que o método proposto possuí uma diferença média de apenas 2% no consumo de energia e 1% no EDP com relação a solução oracle, que executa a aplicação com o melhor número de threads, sem contar com o período de treinamento.
Abstract: Finding the number of threads that delivers a satisfactory outcome to an application is not a trivial task because of there are many variables involved, such as the application input set, hierarchical memory organization, and the processor microarchitecture. However, if an application has similar behavior when it is executed with different input sets, one can use a small input size to predict its behavior when a larger input set is considered. In this sense, the objective of this work is to use the data collected through the execution of a parallel application with a small input set to estimate its behavior when executing with a larger input set. From this estimation, we intend to find the degree of parallelism exploitation at the thread level that provides the best performance, energy consumption and/or Energy- Delay Product (EDP) to execute the application with the large input set. Through the execution of seventeen benchmarks well-known and widely used by the academic community on an AMD processor with 16-core, this work shows that it is possible to use the behavior of the execution with a small input set to optimize execution with a large input set. Considering the geometric mean of all applications, the results show a reduction of 9% in energy consumption and 10% in the EDP when compared to execution with the number of standard threads of the system. The work also shows that the proposed optimization method has an average difference of only 2% in energy consumption and 1% in EDP with respect to an oracle solution, which executes the application with the best number of threads.
metadata.dc.subject: Ciência da computação
Programação paralela (Computação)
Aprendizado de máquinas
Otimização
Computer science
Parallel Programming (Computing)
Machine learning
Optimization
CNPQ: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Alegrete
metadata.dc.identifier.citation: BERNED, Gustavo Paim. Um estudo sobre a otimização de aplicações paralelas através de aprendizado de máquina. Orientador: Arthur Francisco Lorenzon. 2019. 85 p. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade Federal do Pampa, Curso de Ciência da Computação, Alegrete, 2019.
Tipo de acesso: Acesso Aberto
metadata.dc.identifier.uri: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/4169
metadata.dc.date.issued: 25-Jun-2019
???org.dspace.app.webui.jsptag.ItemTag.appears???Ciência da Computação

???org.dspace.app.webui.jsptag.ItemTag.files???
???org.dspace.app.webui.jsptag.ItemTag.file??? ???org.dspace.app.webui.jsptag.ItemTag.description??? ???org.dspace.app.webui.jsptag.ItemTag.filesize??????org.dspace.app.webui.jsptag.ItemTag.fileformat??? 
Gustavo Paim Berned - 2019.pdf5.2 MBAdobe PDF???org.dspace.app.webui.jsptag.ItemTag.view???


???jsp.display-item.copyright???