پیش بینی زمان اجرای کرنلهای هم جوشی شده با استفاده از روشهای یادگیری ماشین

چکیده- هم‎جوشی کرنل ها یکی از تکنیک‎های رایج در تنظیم کارآیی برنامه های کودا به شمار می‎رود. در این تکنیک دو کرنل با هم ترکیب شده و یک کرنل ایجاد می‎کنند. سه روش برای هم‎جوشی وجود دارد که بسته به ماهیت مسئله و الگوریتم استفاده شده در هر برنامه، یکی از این روش‎ها می‎تواند کارآمدتر باشد. برنامه نویسان معمولا ازطریق روش آزمون و خطا، یکی از این روش‎ها را انتخاب می‎کنند. وجود یک مدل کارآیی که زمان اجرای کرنل‎های هم‎جوشی‎شده را پیش‎بینی کند، می‎تواند از آزمون و خطا توسط برنامه‎نویس جلوگیری کند. در این مقاله ما یک مدل کارآیی ارائه کردیم که براساس ویژگی‎های مستخرج از کرنل‎های اولیه، زمان اجرای کرنل‎های هم‎جوشی‎شده با هریک از این سه تکنیک را پیش‎بینی می‎کند. بنابراین برنامه‎نویس با آگاهی بهتری می‎تواند بهترین روش هم‎جوشی را انتخاب کند. مدل پیشنهادی ما براساس روش‎های یادگیری ماشین ایجاد شده است. مجموعه داده‎های مدل با استفاده از هشت برنامه از مجموعه مثال‎های NVIDIA و محک رودینا ساخته شده‎اند. کرنل‎ها دو به دو با هم و با استفاده از سه تکنیک هم‎جوشی شدند. از هریک ویژگی‎هایی استخراج شده و مجموعه داده آماده شده است. نه روش یادگیری ماشین پیاده‎سازی شده و با استفاده از روش اعتبارسنجی k-دسته‎ای مورد ارزیابی قرار گرفتند. بهترین روش جنگل تصادفی بوده است و برای ساخت مدل زمان استفاه از این روش استفاده شده است. یافته های تجربی نشان می دهند که میانگین خطای مدل پیشنهادی در پیش بینی زمان اجرای کرنل های هم‎جوشی شده کمتر از ۵ درصد بوده است. مدل پیشنهادی با بهره گیری از یادگیری ماشین، فرآیند انتخاب روش هم‎جوشی کرنل را برای برنامه نویسان تسهیل می کند.

کلیدواژه ها:

پردازنده گرافیکی ، کودا ، تنظیم ، همجوشی کرنل ، مدل کارآیی ، یادگیری ماشین