Resumen

El ultra alto paralelismo a nivel de hilos en las GPU modernas suele introducir numerosas solicitudes de memoria simultáneamente. Por lo tanto, siempre hay muchas solicitudes de memoria esperando en cada banco de la LLC compartida (L2 en este documento) y en la memoria global. Para la memoria global, ya se han desarrollado varios planificadores para ajustar la secuencia de solicitudes. Pero encontramos que pocos trabajos se han centrado en la secuencia de servicio en la LLC compartida. Medimos que un gran número de aplicaciones de GPU siempre se encolan en el banco de la LLC para recibir servicios, lo que brinda la oportunidad de optimizar el orden de servicio en la LLC. A través del ajuste del orden de servicio de las solicitudes de memoria de la GPU, podemos mejorar la programabilidad de SM. Por lo tanto, en este documento proponemos un algoritmo de programación de solicitudes de LLC compartida crítico-consciente (CaLRS). El representante de prioridad de la solicitud de memoria es crítico para CaLRS. Utilizamos el número de solicitudes de memoria que se originan en la

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Paralelismo a nivel de hilo; Solicitudes de memoria; LLC compartida; Memoria global; Planificadores; Aplicaciones de GPU
• Keywords:Thread-level parallelism; Memory requests; Shared LLC; Global memory; Schedulers; GPU applications