静态程序切片的gpu通用计算功耗预测模型

随着图形处理器通用计算的发展,gpu(graphicsprocessingunit)通用计算程序功耗的度量与优化成为绿色计算领域中的一个基础问题.当前,gpu计算能耗评测主要通过硬件来实现,而开发人员无法在编译之前了解应用程序能耗,难以实现能耗约束下的代码优化与重构.为了解决开发人员评估应用程序能耗的问题,提出了针对应用程序源代码的静态功耗预测模型,根据分支结构的疏密程度以及静态程序切片技术,分别建立分支稀疏和稠密两类应用程序的功耗预测模型.程序切片是介于指令与函数之间的度量粒度,在分析gpu应用程序时具有较强的理论支持和可行性.用非线性回归和小波神经网络建立两种切片功耗模型.针对特定gpu非线性回归模型的准确性较好.小波神经网络预测模型适合各种体系的gpu,具有较好的通用性.对应用程序分支结构进行分析后,为分支稀疏程序提供加权功率统计模型,以保证功耗评估算法的效率.分支稠密程序则采用基于执行路径概率的功耗预测法,以提高预测模型的准确性.实验结果表明,两种预测模型及算法能够有效评估gpu通用计算程序的功耗,模型预测值与实际测量值的相对误差低于6%.