Mercurial > hg > Members > kokubo > 2013-mid-thesis

comparison paper/data_parallel.tex @ 0:9e88a388ec83

Find changesets by keywords (author, files, the commit message), revision number or hash, or revset expression.
first commit
author Shohei KOKUBO <e105744@ie.u-ryukyu.ac.jp>
date Tue, 05 Nov 2013 23:18:04 +0900
parents
children f4b3de446113
comparison
equal deleted inserted replaced
-1:000000000000 0:9e88a388ec83
1 \section{Ceriumにおけるデータ並列}\label{data_parallel}
2 OpenCLで充分な並列度を得るには、データ並列による実行をサポートした方が良い。
3 CeriumでOpenCLのデータ並列を使うために、iterateというAPIを用意した。
4
5 ベンチマークをとるために、まずはCPU(many core)上でデータ並列の機構を実装した。
6 OpenCLでデータ並列を行う際は、NDRangeの引数でワークアイテムのサイズを設定し、以下のようにkernelを書けばよい。
7
8 \begin{Verbatim}[fontsize=\footnotesize,xleftmargin=1cm]
9 __kernel void
10 multi(__global const float *i_data1,
11 __global const float *i_data2,
12 __global float *o_data)
13 {
14 int i = get_global_id(0);
15 o_data[i] = i_data1[i]*i_data2[i];
16 }
17
18 \end{Verbatim}
19 kernelを複数生成し、各kernelは自分が担当するindexをget\_global\_id APIで取得し、
20 その部分だけ計算を行う。CPUで実行する場合もGPU実行時のkernelとなるべく近い形式で記述できるようにする。
21
22 \subsection{データ並列実行の機構}
23 データ並列で実行する場合はspawn APIではなく、iterate APIでTaskを生成すればよい。
24 Scheduler内で引数分のTaskを生成し、それぞれに自分が担当するindexをパラメタとして設定していく。
25 iterateにはlengthを引数として渡し、lengthの値と渡したlengthの個数で次元数や
26 ワークアイテムのサイズをSchedulerが計算する。
27 CPU実行時のkernelは以下のように記述する。
28
29 \begin{Verbatim}[fontsize=\footnotesize,xleftmargin=1cm]
30 static int // kernel
31 run(SchedTask *s,void *rbuf, void *wbuf)
32 {
33 float *indata1,*indata2,*outdata;
34
35 indata1 = (float*)s->get_input(rbuf, 0);
36 indata2 = (float*)s->get_input(rbuf, 1);
37 outdata = (float*)s->get_output(wbuf, 0);
38
39 long i = (long)s->get_param(0);
40 outdata[i]=indata1[i]*indata2[i];
41 return 0;
42 }
43 \end{Verbatim}
44
45 \subsection{データ並列におけるindex割り当ての実装}
46 Taskを生成するとき、dimensionとワークアイテムのサイズをもとに各Taskが担当するindexを計算し、set\_paramする。
47 kernelはget\_paramでそのindexを取得してデータ並列で実行する。
48 get\_param APIがOpenCLのget\_global\_id APIに相当する。
49
50 例として、cpu数4、一次元で10個のdataにたいしてデータ並列実行を行った場合、
51 各CPUが担当するindexは表:\ref{table:data_parallel_index}のようになる。
52
53 この例だと各CPUに対するindexの割り当ては、
54 CPU0はindex0、4、8、
55 CPU1はindex1、5、9、
56 CPU2はindex2、6、
57 CPU3はindex3、7となっている。
58
59 \begin{tiny}
60 \begin{table}[h]
61 \begin{center}
62 \caption{data並列実行時のindexの割り当て}
63 \label{table:data_parallel_index}
64 \small
65 \begin{tabular}[t]{c||c|c|c|c}
66 \hline
67 stage&CPU0& CPU1&CPU2&CPU3 \\
68 \hline
69 1&0&1&2&3 \\
70 \hline
71 2&4&5&6&7 \\
72 \hline
73 3&8&9& & \\
74 \hline
75 \end{tabular}
76 \end{center}
77 \end{table}
78
79 \end{tiny}
80 この実装により、Ceriumでデータ並列の実行が可能になった。
81 並列プログラミングだと、並列化するTaskが全部同一であるという事は少なくない。
82 その際、Taskを生成する部分をループで回すことなく、簡単なsyntaxで記述できる。
83
84 データ並列で実行する場合は、inputとoutputを各Taskで共有するため、少ないコピーですむ。
85 CPUならメモリ領域がTaskとmanagerで同じなので、dataのコピーで大きいオーバーヘッドにはならない。
86 しかしCellとGPUはメモリ領域が異なるため、dataコピーのオーバーヘッドが大きく、
87 データ並列による高速化が見込める。