FenixEdu™

Dissertação

Efficient Architecture and Framework for Sparse Matrix Multiplication CONFIRMED

Detalhes: Multiplicação de Matrizes Esparsas Geral (SpGEMM) é um kernel amplamente utilizado em muitos domínios e aplicações, tais como aprendizagem automática e algoritmos de grafos. A natureza altamente irregular do SpGEMM limita consideravelmente o seu desempenho em arquiteturas de hardware convencionais, o que motiva o desenvolvimento de arquiteturas especializadas. Um acelerador totalmente personalizado tem a oportunidade de adaptar especialmente todos os seus componentes para enfrentar os principais desafios de reduzir o tráfego de memória e otimizar a acumulação de resultados intermédios que a SpGEMM apresenta. Este trabalho propõe MergeForest, um acelerador para SpGEMM baseado no algoritmo de Gustavson, que é capaz de se adaptar dinamicamente a irregularidades nos padrões das matrizes de entrada. MergeForest utiliza árvores de fusão com alta taxa de processamento e um mecanismo de floresta de árvores de fusão dinâmico para efetuar a acumulação de um número variável de linhas esparsas em paralelo, e uma nova cache on-chip, concebida para armazenar linhas de comprimento variável e maximizar a sua reutilização de dados. Os resultados da avaliação demonstram a eficácia dos mecanismos propostos na redução do tráfego de memória e na minimização da quantidade de resultados parciais gerados. A grande variedade de cargas de trabalho e matrizes de entrada avaliadas também realça a capacidade da arquitetura para se adaptar a uma grande variedade de entradas e evitar a degradação do desempenho. MergeForest alcança aumentos médios de performance de 1.6× e 2.7× em relação aos aceleradores do estado-da-arte GAMMA e SPADA, respetivamente.
Keywords: Multiplicação de Matrizes Esparsas, Aceleradores Especializados, Arquitetura de Domínio Específico, Algoritmo de Gustavson, Reutilização de Dados

Discussão: julho 26, 2024, 10:0

Documentos da dissertação ainda não disponíveis publicamente