FenixEdu™

Dissertação

DPHDC: A Data Parallel framework for Hyperdimensional Computing EVALUATED

Detalhes: Computação hiperdimensional (HDC) surgiu recentemente como uma alternativa menos taxativa a métodos tradicionais de aprendizagem automática, particularmente em ambientes com restrições a nível de energia e/ou recursos. Todavia, para ser possível explorar este potencial, é necessário propor algoritmos portáteis, eficientes e de uso geral, desenvolvidos de raiz com vista a tirar partido do paralelismo inerente às operações associadas a HDC. Nesta tese, é proposta uma biblioteca open-source e baseada em SYCL, DPHDC, com o fim de facilitar a implementação e acelerar a execução de tarefas de classificação baseadas em HDC em ambientes heterogéneos. DPHDC tem o objetivo de tirar o máximo partido da natureza altamente paralela das operações definidas por HDC, enquanto o seu design inovador é desenvolvido de forma a providenciar elevado desempenho e execução portátil em dispositivos com diferentes arquiteturas, como CPUs, GPUs e FPGAs. O armazenamento, movimento e comunicação eficiente de vetores com elevado número de dimensões, cruciais para qualquer aplicação baseada em HDC, também é abordado pela biblioteca proposta de forma a reduzir restrições de desempenho causadas por acesso excessivo à memória. Versatilidade, modularidade e facilidade de uso também foram prioridades durante o desenvolvimento do design orientado a objetos da biblioteca proposta. Quando comparada com a mais recente biblioteca dedicada à implementação de aplicações baseadas em HDC, aplicações desenvolvidas utilizando DPHDC são até 13x mais rápidas em CPU e até 10x mais rápidas em GPU, sendo também capazes de supportar uma maior gama de dispositivos e arquiteturas.
Keywords: Computação Paralela, Computação Hiperdimensional, Arquiteturas de Vetores Simbólicos, Aprendizagem Automática, Sistemas Heterogéneos

Discussão: novembro 24, 2022, 15:30