ordonnancement d’applications intensives embarquées sur gpus
DESCRIPTION
Ordonnancement d’applications intensives embarquées sur GPUs. ADDA CHAHRAZED [email protected] Encadreur: Mr A.E.BENYAMINA Co-Encadreur: Mr L.Loukil et Mr P.BOULET. Plan. 1. Introduction. 2. Travaux connexes. 3. Conclusion. INTRODUCTION. 1. Introduction. Problématique:. GILR. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/1.jpg)
Ordonnancement d’applications intensives Ordonnancement d’applications intensives embarquées sur GPUsembarquées sur GPUs
ADDA CHAHRAZED
Encadreur: Mr A.E.BENYAMINA
Co-Encadreur: Mr L.Loukil et Mr P.BOULET1
![Page 2: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/2.jpg)
2
Plan
1. Introduction
2. Travaux connexes
3. Conclusion
![Page 3: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/3.jpg)
3
INTRODUCTION
![Page 4: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/4.jpg)
4
1. Introduction
CPU GPU
GPGPU (Architecture Hétérogène)
GILR
PRPI
Algorithme d’ordonnancement ?
Algorithme d’ordonnancement ?
Problématique:
![Page 5: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/5.jpg)
5
1. Introduction
Mes Présentations: : 5 exposés
Voir le lien: AASGaspard
![Page 6: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/6.jpg)
6
Travaux connexes
![Page 7: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/7.jpg)
7
[1] Qiang Liu and Wayne Luk2. Heterogeneous Systems for Energy Efficient Scientific Computing. 2012
système hétérogène tels que (GPU+ FAPGA+CPU)
Satisfaction de deux critères (Max tps de performance, Min consommation d’énergie)
)
Ordonnancement basée(liste de priorité de taches)
![Page 8: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/8.jpg)
8
[1] Qiang Liu and Wayne Luk2. Heterogeneous Systems for Energy Efficient Scientific Computing. 2012
Ordonnancement fonction basée sur le temps d’exécution et consommation d’énergie sous forme un mode de programmation linéaire
![Page 9: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/9.jpg)
9
[2] Stanley Tzeng , Brandon Lloyd , John D. Owens. A GPU Task-Parallel Model with Dependency Resolution. 2012
Calcul intensif sur GPUs
Satisfaction de critère (minimiser le temps d’exécution)
Ordonnancement basée(priorité de dépendance)
Ordonnancement fonction basée sur DCounter.
![Page 10: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/10.jpg)
10
[3] Richard Membarth, Jan-Hugo Lupp, Frank Hannig, Jürgen Teich, Mario Körner, and Wieland Eckert. Dynamic Task-Scheduling and Resource Management for GPU Accelerators in Medical Imaging. 2012
Calcul intensif sur GPUs
Satisfaction de critère (minimiser le temps d’exécution)
Ordonnancement basée(priorité de dépendance) et LDF (Latest Deadline First ))
![Page 11: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/11.jpg)
11
[4] Sidi Ahmed Mahmoudi, Sébastien Fréemal, Michel Bagein, Pierre Manneback. Calcul intensif sur GPU: exemples en traitement d’images, en bioinformatique et en télécommunication. 2013
système hétérogène tels que (GPUs+CPUs)
Satisfaction de deux critères (minimiser le temps de réponse
))
Traitement d’un seul image (détection de coins et contour)
Traitement de plusieurs images(détection de coins et contour)
Ordonnancement basée sur (CUDA et OpenGl)
Ordonnancement basée sur (StarUP)
![Page 12: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/12.jpg)
12
Calcul intensif sur GPUs
Satisfaction de critère (Max tps de performance, Min consommation d’énergie))
Ordonnancement basée(Algorithmes évolutionnaires))
[5] N. Melab & T-V. Luong . Optimisation Parallèle Coopérative sur GPU . Equipe-Projet DOLPHIN. 2010
![Page 13: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/13.jpg)
13
[6] Thomas R. W. Scogland, Barry Rountree,Wu-chun Feng,Bronis R. de Supinski†. Heterogeneous Task Scheduling for Accelerated OpenMP. 2012
Calcul intensif sur GPUs
Satisfaction de critère (Max tps de performance)
Ordonnancement basée(Algorithmes génétique)
![Page 14: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/14.jpg)
14
2. Travaux connexesArticles plateforme
sAlgorithme d’ordonnancement
Critère d’optimisation
Langage de programmation
Remarque
[Qiang et al 2012]
CPUs-GPUs-FPGAs
Programmation linéaire
Maximiser efficacité énergétique du système , Max tps performance
C++
[Tzeng et al 2012 ]
GPUs Statique(résolution de dépendance)
minimiser le temps d’exécution
-
[Membarth et al 2012]
GPUs Dynamique (en fonction des priorités et LDF (Latest Deadline First ))
minimiser le temps de réponse
CUDA, opencl
[Mahmoudi et al 2013]
CPUs-GPUs 1.Ordonnandement par CUDA 2.Odonancement effectué par StarUP+ les algorithmes de traitement d’image
minimiser le temps de réponse
1.CUDA+OpenGL2.StarUP
Traitement1.Pour une seul image2. Pour plusieurs images
![Page 15: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/15.jpg)
15
2. Travaux connexesArticles plateforme
sAlgorithme d’ordonnancement
Critère d’optimisation
Langage de programmation
Remarque
[Qiang et al 2011]
CPUs-GPUs- StatiqueAlgorithmes évolutionnaires
Max tps Performance, Min consomD’énergie
OpenCL
[Thomas et al 2012]
CPUs-GPUs- StatiqueAlgorithmes génétiques
Max tps Performance
OpenMP
![Page 16: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/16.jpg)
16
Conclusion
![Page 17: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/17.jpg)
17
3. ConclusionProposition: Partie1:
GPGPU (Architecture Hétérogène)
GILR
Algorithme d’ordonnancement
Statique évolutionnaires
(PSO et dijkstra )
Algorithme d’ordonnancement
Statique
Travail de Mr Aroui
(Branch & Bound)
PRPI
GP GPU
Commence par un graphe à un
seul niveau
![Page 18: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/18.jpg)
18
[1] Qiang Liu and Wayne Luk2. Heterogeneous Systems for Energy EfficientScientific Computing. School of Electronic Information Engineering, Tianjin University,300072 Tianjin, China 2 Department of Computing, Imperial College London, SW7 2AZ London, UK. 2012
Référence bibliographique
[2] Stanley Tzeng , Brandon Lloyd , John D. Owens. A GPU Task-Parallel Model with Dependency Resolution. 2012
[3] Richard Membarth, Jan-Hugo Lupp, Frank Hannig, Jürgen Teich, Mario Körner, and Wieland Eckert. Dynamic Task-Scheduling and Resource Management for GPU Accelerators in Medical Imaging. Hardware/Software Co-Design, Department of Computer Science, University of Erlangen-Nuremberg, Germany. Siemens Healthcare Sector, H IM AX, Forchheim, Germany. 2012
![Page 19: Ordonnancement d’applications intensives embarquées sur GPUs](https://reader035.vdocuments.net/reader035/viewer/2022062411/56814a1b550346895db745eb/html5/thumbnails/19.jpg)
19
Référence bibliographique
[6] Thomas R. W. Scogland, Barry Rountree,Wu-chun Feng,Bronis R. de Supinski†. Heterogeneous Task Scheduling for Accelerated OpenMP. Center for Applied Scientific Computing, Lawrence Livermore National Laboratory, Livermore, CA 94551 USA. 2012
[4] Sidi Ahmed Mahmoudi, Sébastien Fréemal, Michel Bagein, Pierre Manneback. Calcul intensif sur GPU: exemples en traitement d’images, en bioinformatique et en télécommunication. Université de Mons, Faculté Polytechnique. Service d’informatique 20, Place du Parc 7000 Mons, Belgique.2013
[5] N. Melab & T-V. Luong . Optimisation Parallèle Coopérative sur GPU . Equipe-Projet DOLPHIN. 2010