МЕТОД АНАЛІЗУ ПРОГРАМНОГО КОДУ ДЛЯ ОЦІНКИ ЕНЕРГОСПОЖИВАННЯ ЯДРА CUDA
APPROACH FOR CODE ANALYSIS TO ESTIMATE POWER CONSUMPTION OF CUDA CORE
Сторінки: 67-73. Номер: №1, 2023 (317) 
Автори:
ГУРМАН Іван
Хмельницький національний університет
https://orcid.org/0000-0002-2282-3484
e-mail: devastator167384@gmail.com
БОБРОВНІКОВА Кіра
Хмельницький національний університет
https://orcid.org/0000-0002-1046-893X
e-mail: bobrovnikova.kira@gmail.com
БЕДРАТЮК Леонід
Хмельницький національний університет
https://orcid.org/0000-0002-6076-5772
e-mail: leonid.uk@gmail.com
БЕДРАТЮК Ганна
Хмельницький національний університет
https://orcid.org/0000-0003-0224-5549
e-mail: bedratyuk@ukr.net
HURMAN Ivan, BOBROVNIKOVA Kira, BEDRATYUK Leonid, BEDRATYUK Hanna
Khmelnytskyi National University
DOI: https://doi.org/10.31891/2307-5732-2023-317-1-67-73
Анотація мовою оригіналу
В роботі запропоновано метод аналізу програмного коду для оцінки енергоспоживання ядра CUDA для підвищення енергоефективності застосунків, які орієнтовані на обчислення на графічних процесорах. Запропонований підхід, заснований на статичному аналізі програми CUDA та методах машинного навчання, дозволяє оцінити енергоспоживання таких застосунків без необхідності виконання на фізичних пристроях.
З метою оцінки ефективності запропонованого підходу було використано три архітектури GPU NVIDIA: PASCAL, TURING та AMPERE. Результати проведених експериментів показали, що для архітектури NVIDIA AMPERE запропонований підхід надає можливість досягти коефіцієнта детермінації на рівні 0.9173. Отримані результати підтверджують ефективність запропонованого методу аналізу програмного коду для оцінки енергоспоживання ядра CUDA.
Розширена анотація англійською мовою
The graphics processing unit is a popular computing device for achieving exascale performance in high-performance computing programs, which is used not only in graphics tasks, but also in computational tasks such as machine learning, scientific computing, and cryptography. With the help of a graphics processor, you can achieve significant speed and performance compared to the central processing unit. CUDA, Compute Unified Device Architecture, a graphics processing unit software development platform, allows developers to use the high-performance computing capabilities of graphics processing units to solve problems traditionally handled by central processing units.
Even though the graphics processing unit has a relatively high power to performance ratio, it consumes a significant amount of power during computing. The paper proposes an approach for code analysis to estimate power consumption of CUDA core to improve the power efficiency of applications focused on computing on graphics processing units. The proposed approach makes it possible to estimate the power consumption of such applications without the need to run them on physical devices. The proposed approach is based on static analysis of the CUDA program and machine learning methods.
To evaluate the effectiveness of the proposed approach, three graphics processing unit architectures were used: NVIDIA PASCAL, NVIDIA TURING, and NVIDIA AMPERE. The results of the experiments showed that for the NVIDIA AMPERE architecture, the proposed approach using decision trees makes it possible to achieve a determination coefficient of 0.9173. The results obtained confirm the effectiveness of the proposed code analysis method for estimating the power consumption of the CUDA core. This method can be useful for CUDA developers who want to improve the efficiency and power efficiency of their programs.
Keywords: GPU; NVIDIA; CUDA; power consumption; high-performance computing.
