ETCF – Energy-Aware CPU Thread Throttling and Workload Balancing Framework for CPU-FPGA Collaborative Environments

Knorst, Tiago; Jordan, Michael Guilherme; Lorenzon, Arthur F.; Rutzig, Mateus Beck; Beck, Antonio Carlos Schneider

doi:10.1109/sbesc53686.2021.9628345

Cited by 4 publications

(1 citation statement)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Assim, diversas aplicac ¸ões aproveitam esses recursos para executar mais rapidamente na GPU do que na CPU. Adicionalmente, outros dispositivos de computac ¸ão, como FPGAs (fieldprogrammable gate array), também são muito eficientes em termos de energia, mas oferecem menor flexibilidade de programac ¸ão do que GPUs [Knorst et al 2021].…”

unclassified

Fundamentos de Computação Acelerada com CUDA C/C++

Lorenzon

2022

Minicursos Do XXIII Simpósio Em Sistemas Computacionais De Alto Desempenho

View full text Add to dashboard Cite

This chapter highlights the fundamental tools and techniques for accelerating applications written in C/C++ languages to run on massively parallel architectures with CUDA. With CUDA, developers are able to dramatically accelerate the computation of applications on GPU (graphic processing unit) architectures. The Chapter has the following learning objectives: (I) writing parallel code to run on the GPU; (II) Expose and express data and instruction level parallelism in C/C++ applications using CUDA; (III) Use CUDAmanaged memory and optimize memory migration using asynchronous prefetching; and (IV) Use concurrent streams for instruction-level parallelism. ResumoEste capítulo destaca as ferramentas e técnicas fundamentais para acelerar aplicac ¸ões escritas em linguagens C/C++ para execuc ¸ão em arquiteturas massivamente paralelas com CUDA. Com CUDA, desenvolvedores são capazes de acelerar dramaticamente a computac ¸ão de aplicac ¸ões em arquiteturas GPU (graphic processing unit). O Capítulo tem os seguintes objetivos de aprendizagem: (I) escrever código paralelo para ser executado na GPU; (II) Expor e expressar paralelismo no nível de dados e instruc ¸ões em aplicac ¸ões C/C++ usando CUDA; (III) Utilizar o CUDA-managed memory e otimizar a migrac ¸ão de memória usando prefetching assíncrono; e (IV) Usar streams (fluxo de instruc ¸ões) concorrentes para paralelismo no nível de instruc ¸ões. Introduc ¸ãoSistemas computacionais de alto desempenho são amplamente utilizados para executar aplicac ¸ões de diversos domínios, que envolvem computac ¸ão financeira, aplicac ¸ões médicas, processamento de vídeo e imagem, entre outros. Esses sistemas geralmente são baseados em arquiteturas multi-core e many-core com memória e dispositivos de

show abstract

unclassified