Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução
With the evolution of Graphics Processing Units (GPUs), parallel computing applications are becoming increasingly complex. Predicting the performance of these applications helps developers optimize their scheduling algorithms for workload distribution. In this work, machine learning models were deve...
| Autor principal: | SIQUEIRA, Luan Ribeiro |
|---|---|
| Grau: | Artigo |
| Publicado em: |
2024
|
| Assuntos: | |
| Acesso em linha: |
https://bdm.ufpa.br/jspui/handle/prefix/7423 |
| id |
oai:https:--bdm.ufpa.br:8443:prefix-7423 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--bdm.ufpa.br:8443:prefix-74232025-01-21T18:27:11Z Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução SIQUEIRA, Luan Ribeiro GONZÁLEZ, Marcos Tulio Amaris http://lattes.cnpq.br/9970287865377659 Desempenho Aprendizado de máquina GPU CUDA Computação paralela Performance Machine learning CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO With the evolution of Graphics Processing Units (GPUs), parallel computing applications are becoming increasingly complex. Predicting the performance of these applications helps developers optimize their scheduling algorithms for workload distribution. In this work, machine learning models were developed and evaluated to predict the performance of CUDA applications using pre-execution features. The Ridge Regression, Random Forest, and Decision Tree models were compared across nine CUDA applications using the MAPE metric. The results show that Decision Tree achieved the lowest MAPE values, while Random Forest demonstrated consistent performance. Ridge Regression had variable performance due to its limitation in handling multicollinearity. The study emphasizes the importance of considering the specific characteristics of the application and GPU when making performance predictions. Com a evolução das unidades de processamento gráfico (GPU), as aplicações de computação paralela estão se tornando cada vez mais complexas. Predizer o desempenho dessas aplicações ajuda desenvolvedores a otimizar seus algoritmos escalonadores na distribuição de seus trabalhos. Neste trabalho, foram desenvolvidos e avaliados modelos de aprendizado de maquina para predizer o desempenho de aplicações CUDA utilizando características de pre-execução. Foram comparados os modelos Ridge Regression, Random Forest e Decision Tree em nove aplicações CUDA, utilizando a métrica MAPE. Os resultados mostram que o Decision Tree obteve os menores valores de MAPE, enquanto o Random Forest apresentou um desempenho consistente. Já o Ridge Regression teve desempenho variável devido a sua limitação em lidar com multicolinearidade. O estudo enfatiza a importância considerar as características específicas da aplicação e da GPU ao fazer predições de desempenho 2024-11-13T16:43:47Z 2024-11-13T16:43:47Z 2024-07-11 Trabalho de Curso - Graduação - Artigo SIQUEIRA, Luan Ribeiro. Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução. Orientador: Marcos Tulio Amaris González. 2024. [8] f. Trabalho de Curso (Bacharelado em Engenharia da Computação ) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2024. Disponível em: https://bdm.ufpa.br/jspui/handle/prefix/7423. Acesso em: https://bdm.ufpa.br/jspui/handle/prefix/7423 Acesso Aberto Disponível na internet via Sagitta |
| institution |
Biblioteca Digital de Monografias - UFPA |
| collection |
MonografiaUFPA |
| topic |
Desempenho Aprendizado de máquina GPU CUDA Computação paralela Performance Machine learning CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
| spellingShingle |
Desempenho Aprendizado de máquina GPU CUDA Computação paralela Performance Machine learning CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO SIQUEIRA, Luan Ribeiro Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| topic_facet |
Desempenho Aprendizado de máquina GPU CUDA Computação paralela Performance Machine learning CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO |
| description |
With the evolution of Graphics Processing Units (GPUs), parallel computing applications are becoming increasingly complex. Predicting the performance of these applications helps developers optimize their scheduling algorithms for workload distribution. In this work, machine learning models were developed and evaluated to predict the performance of CUDA applications using pre-execution features. The Ridge Regression, Random Forest, and Decision Tree models were compared across nine CUDA applications using the MAPE metric. The results show that Decision Tree achieved the lowest MAPE values, while Random Forest demonstrated consistent performance. Ridge Regression had variable performance due to its limitation in handling multicollinearity. The study emphasizes the importance of considering the specific characteristics of the application and GPU when making performance predictions. |
| author_additional |
GONZÁLEZ, Marcos Tulio Amaris |
| author_additionalStr |
GONZÁLEZ, Marcos Tulio Amaris |
| format |
Artigo |
| author |
SIQUEIRA, Luan Ribeiro |
| title |
Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| title_short |
Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| title_full |
Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| title_fullStr |
Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| title_full_unstemmed |
Predição de desempenho de aplicações CUDA utilizando aprendizado de máquina e características de pré-execução |
| title_sort |
predição de desempenho de aplicações cuda utilizando aprendizado de máquina e características de pré-execução |
| publishDate |
2024 |
| url |
https://bdm.ufpa.br/jspui/handle/prefix/7423 |
| _version_ |
1829093163572133888 |
| score |
11.753735 |