THE ORGANIZATION OF PARALLEL COMPUTATIONS IN HETEROGENEOUS COMPUTING SYSTEMS
Keywords:
CPU, GPU, fork-join, core, thread, parallelism, granularityAbstract
The article deals with the method of computing in heterogeneous multicore CPU+GPU systems. The results of an investigation of the effectiveness of methods for the task of text recognition using the technology of neural networks.
References
Демчик В. В. Дослідження ефективності дрібнозернистого паралелізму в багатоядерних комп'ютерних системах / В. В. Демчик, О. В. Корочкін, О. В. Русанова // Вісник НТУУ «КПІ». Інформатика, управління та обчислювальна техніка : зб. наук. праць. – К. : Век+, 2018. – № 66. – С. 56 – 61.
Демчик В. В. Застосування дрібнозернистого паралелізму для підвищення ефективності паралельних та розподілених обчислень / В. В. Демчик, О. В. Корочкін // Безпека. Відмовостійкість. Інтелект. Збірник праць міжнародної науково-практичної конференції ICSFTI2018. Київ, Україна, 10-12 травня 2018 р. / КПІ ім. Ігоря Сікорського –К. : КПІ ім. Ігоря Сікорського, Вид– во «Політехніка», 2018. – С. 362 – 368.
Жуков І.А., Корочкін О.В. Паралельні та розподілені обчислення: Навч. посібник [Текст]. – К.: Корнійчук, 2005. – 226 с. – ISBN 996-7599-36-1.
Hyesoon Kim, Richard Vuduc, Sara Baghsorkhi. Performance Analysis and Tuning for General Purpose Graphics Processing Units (GPGPU). — Morgan & Claypool Publishers, 2012. — 96 p.
Lin Cheng. Intelligent scheduling for simultaneous CPU-GPU applications by thesis // Graduate College of the University of Illinois at Urbana-Champaign, 2017 Urbana, Illinois [Електронний ресурс]. Режим доступу: http://rsim.cs.uiuc. edu/Pubs/Lin_thesis.pdf
Victor W Lee, Changkyu Kim, Jatin Chhugani, Michael Deisher, Daehyun Kim, Anthony D. Nguyen, Nadathur Satish, Mikhail Smelyanskiy, Srinivas Chennupaty, Per Hammarlund, Ronak Singhal and Pradeep Dubey. Debunking the 100X GPU vs. CPU Myth: An Evaluation of Throughput Computing on CPU and GPU // Throughput Computing Lab, Intel Corporation Intel Architecture Group, Intel Corporation [Електронний ресурс]. Режим доступу: https://www.academia.edu/ 36236172/Debunking_the_100X_GPU_vs._CPU_Myth_An_Evaluation_of_Throughp ut_Computing_on_CPU_and_GPU
T. Brandes, A. Arnold, T. Soddemann, D. Reith. CPU vs. GPU - Performance comparison for the Gram-Schmidt algorithm // Eur. Phys. J. Special Topics 210 – К.: EDP Sciences, Springer-Verlag, 2012. – № 210. – С. 73–88.
Haneesha H. K., Chandrashekhar B. N., Lakshmi H., Sunil. Performance Evaluation of CPU-GPU with CUDA Architecture Hybrid Computing, R&D // Nitte Meenakshi Institute of Technology, Bangalore-64.
Amr M. Kayid, Yasmeen Khaled, Mohamed Elmahdy. Performance of CPUs/GPUs for Deep Learning workloads // The German University in Cairo [Електронний ресурс]. Режим доступу: https://www.researchgate.net/publication/ 325023664_Performance_of_CPUsGPUs_for_Deep_Learning_workloads
Sipi Seppälä. Performance of Neural Network Image Classifcation on Mobile CPU and GPU // Aalto University MASTER’S THESIS 2018 [Електронний ресурс]. Режим доступу: https://pdfs.semanticscholar.org/946d/3f843ea93f22cc9c7e 30af42a682139ad1e6.pdf
Ana Lucia Varbanescu. Heterogeneous CPU+GPU computing // University of Amsterdam. [Електронний ресурс]. Режим доступу: http://www.es.ele. tue.nl/~heco/courses/ASCI-schools/ASCI_springschool_2017/ASCI_HetCompCPUGPU_part1.pdf
Kamran Karimi, Neil G. Dickson, Firas Hamze. A Performance Comparison of CUDA and OpenCL. - D-Wave Systems Inc. [Електронний ресурс]. Режим доступу: https://arxiv.org/ftp/arxiv/papers/1005/1005.2581.pdf
Lea, Doug. A Java Fork/Join Framework, In Proceedings of ACM Java Grande 2000 Conference (San Francisco, California, June 3-5, 2000)