ترجمه فارسی مقاله روش مدل‌سازی توان خودکار مبتنی بر PMC برای پردازنده‌های گرافیکی موبایل مدرن

چکیده

The rise of machine learning workload on smartphones has propelled GPUs into one of the most power-hungry components of modern smartphones and elevates the need for optimizing the GPU power draw by mobile apps. Optimizing the power consumption of mobile GPUs in turn requires accurate estimation of their power draw during app execution. In this paper, we observe that the prior-art, utilization-frequency based GPU models cannot capture the diverse micro-architectural usage of modern mobile GPUs.We show that these models suffer poor modeling accuracy under diverse GPU workload, and study whether performance monitoring counter (PMC)-based models recently proposed for desktop/server GPUs can be applied to accurately model mobile GPU power. Our study shows that the PMCs that come with dominating mobile GPUs used in modern smartphones are sufficient to model mobile GPU power, but exhibit multicollinearity if used altogether. We present APGPM, the mobile GPU power modeling methodology that automatically selects an optimal set of PMCs that maximizes the GPU power model accuracy. Evaluation on two representative mobile GPUs shows that APGPM-generated GPU power models reduce the MAPE modeling error of prior-art by 1.95x to 2.66x (i.e., by 11.3% to 15.4%) while using only 4.66% to 20.41% of the total number of available PMCs.

چکیده به فارسی (ترجمه ماشینی)

افزایش بار کاری یادگیری ماشین بر روی تلفن های هوشمند ، GPU ها را به یکی از اجزای گرسنه ترین تلفن های هوشمند مدرن سوق داده و نیاز به بهینه سازی قرعه کشی قدرت GPU توسط برنامه های تلفن همراه را بالا می برد.بهینه سازی مصرف برق GPU های موبایل به نوبه خود نیاز به برآورد دقیق قرعه کشی قدرت آنها در هنگام اجرای برنامه دارد.در این مقاله ، ما مشاهده می کنیم که مدلهای GPU مبتنی بر استفاده از فرکانس ، با استفاده از آرت ، استفاده از میکروارشی متنوع از GPU های موبایل مدرن را ضبط نمی کنند. ما نشان می دهد که این مدل ها در زمان کار متنوع GPU از دقت مدل سازی ضعیفی رنج می برند ، و بررسی می کنند که آیا نظارت بر عملکردمدلهای مبتنی بر Counter (PMC) که اخیراً برای GPU های دسک تاپ/سرور پیشنهاد شده است ، می تواند برای مدل سازی دقیق قدرت GPU موبایل استفاده شود.مطالعه ما نشان می دهد که PMC هایی که با GPU های موبایل مسلط استفاده شده در تلفن های هوشمند مدرن مورد استفاده قرار می گیرند ، برای مدل سازی قدرت GPU موبایل کافی هستند ، اما در صورت استفاده در کل ، چند قطبی را نشان می دهند.ما APGPM ، روش مدل سازی قدرت GPU موبایل را ارائه می دهیم که به طور خودکار مجموعه ای بهینه از PMC ها را انتخاب می کند که دقت مدل قدرت GPU را به حداکثر می رساند.ارزیابی در دو GPU نماینده موبایل نشان می دهد که مدل های قدرت GPU تولید شده توسط APGPM ، خطای مدل سازی MAPE را با 1.95x به 2.66x (یعنی 11.3 ٪ به 15.4 ٪) کاهش می دهد و در حالی که فقط از 4.66 ٪ تا 20.41 ٪ از کل استفاده می کندتعداد PMC های موجود.