FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis
Every year the demand of embedded applications for computational resources increases. To meet this demand, the embedded system designs have made use of the combination of diversified components, resulting in heterogeneous platforms that aim to balance the processing power with the energy consumpt...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | doctoralThesis |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/32220 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-32220 |
---|---|
record_format |
dspace |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Exploração do espaço de projeto Aceleradores reconfiguráveis Aprendizado de máquina Comitês de máquina |
spellingShingle |
Exploração do espaço de projeto Aceleradores reconfiguráveis Aprendizado de máquina Comitês de máquina Lopes, Alba Sandyra Bezerra FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
description |
Every year the demand of embedded applications for computational resources increases.
To meet this demand, the embedded system designs have made use of the combination
of diversified components, resulting in heterogeneous platforms that aim to balance the
processing power with the energy consumption. Reconfigurable hardware accelerators
emerge as an alternative to face this demand. However, a key question in the design of
general purpose processors (GPPs) coupled to reconfigurable accelerators (RAs) is which
components to combine to meet the expected performance at the cost of additional area
and power. To perform a vast design space exploration (DSE) allows the designer to
estimate the cost of these platforms before the manufacturing phase. However, the number
of possible solutions to be evaluated grows exponentially and evaluating the cost of all
those solutions is an infeasible task. In this work, one presents FRiDA, a Predictive tool
for Fast DSE of Processors combined with Reconfigurable Accelerators. Using FRiDA, one
is able to speed up the design space exploration of heterogeneous systems combining GPPs
and RAs. One employs an approach based on machine learning algorithms. By simulating
a subset of the design space using a high level simulator, regression models are trained to
fast predict the cost of unsimulated architectural configurations. Several regression models
were evaluated to be used by FRiDA and the regression ensembles ones, in particular the
textit Gradient Boosting model, show the best tradeoff when aspects as accuracy and
throughput were considered. In the case study used to validate the tool, it was possible to
reach prediction error rates below 3.5% when the results were compared to a high-level
simulator. Using the machine learning based techinique, one was able to perform more
than 6,000 predictions per second. This fact allowed to go through the investigated design
space with more than 100,000 architectural configurations in less than 30 seconds. FRiDA
allows the designer to define which design aspects should be optimized in the project and
also allows to include new aspects to be optimized. FRiDA helps the designer to explore
thousands of configurations and to find architectural solutions with high efficiency with
a very low error prediction rate. Using a multiobjective algorithm, FRiDA quickly finds
efficient solutions that satisfy one or multiple conflicting objectives of the project. |
author2 |
Pereira, Mônica Magalhães |
author_facet |
Pereira, Mônica Magalhães Lopes, Alba Sandyra Bezerra |
format |
doctoralThesis |
author |
Lopes, Alba Sandyra Bezerra |
author_sort |
Lopes, Alba Sandyra Bezerra |
title |
FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
title_short |
FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
title_full |
FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
title_fullStr |
FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
title_full_unstemmed |
FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
title_sort |
frida: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2021 |
url |
https://repositorio.ufrn.br/handle/123456789/32220 |
work_keys_str_mv |
AT lopesalbasandyrabezerra fridaumaferramentadepredicaopararapidaexploracaodoespacodeprojetodeprocessadorescombinadoscomaceleradoresreconfiguraveis |
_version_ |
1773962812258779136 |
spelling |
ri-123456789-322202021-04-18T09:07:05Z FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis Lopes, Alba Sandyra Bezerra Pereira, Mônica Magalhães http://lattes.cnpq.br/2530210583057739 http://lattes.cnpq.br/5777010848661813 Canuto, Anne Magaly de Paula http://lattes.cnpq.br/1357887401899097 Beck Filho, Antônio Carlos Schneider http://lattes.cnpq.br/5446996798632062 Kreutz, Márcio Eduardo http://lattes.cnpq.br/6374279398246756 Araújo, Silvio Roberto Fernandes de http://lattes.cnpq.br/5111916887378777 Exploração do espaço de projeto Aceleradores reconfiguráveis Aprendizado de máquina Comitês de máquina Every year the demand of embedded applications for computational resources increases. To meet this demand, the embedded system designs have made use of the combination of diversified components, resulting in heterogeneous platforms that aim to balance the processing power with the energy consumption. Reconfigurable hardware accelerators emerge as an alternative to face this demand. However, a key question in the design of general purpose processors (GPPs) coupled to reconfigurable accelerators (RAs) is which components to combine to meet the expected performance at the cost of additional area and power. To perform a vast design space exploration (DSE) allows the designer to estimate the cost of these platforms before the manufacturing phase. However, the number of possible solutions to be evaluated grows exponentially and evaluating the cost of all those solutions is an infeasible task. In this work, one presents FRiDA, a Predictive tool for Fast DSE of Processors combined with Reconfigurable Accelerators. Using FRiDA, one is able to speed up the design space exploration of heterogeneous systems combining GPPs and RAs. One employs an approach based on machine learning algorithms. By simulating a subset of the design space using a high level simulator, regression models are trained to fast predict the cost of unsimulated architectural configurations. Several regression models were evaluated to be used by FRiDA and the regression ensembles ones, in particular the textit Gradient Boosting model, show the best tradeoff when aspects as accuracy and throughput were considered. In the case study used to validate the tool, it was possible to reach prediction error rates below 3.5% when the results were compared to a high-level simulator. Using the machine learning based techinique, one was able to perform more than 6,000 predictions per second. This fact allowed to go through the investigated design space with more than 100,000 architectural configurations in less than 30 seconds. FRiDA allows the designer to define which design aspects should be optimized in the project and also allows to include new aspects to be optimized. FRiDA helps the designer to explore thousands of configurations and to find architectural solutions with high efficiency with a very low error prediction rate. Using a multiobjective algorithm, FRiDA quickly finds efficient solutions that satisfy one or multiple conflicting objectives of the project. A cada ano aumenta-se a demanda por recursos computacionais das aplicações que executam em sistemas embarcados. Para atender a essa demanda, os projetos desses sistemas combinam componentes diversificados, resultando em plataformas heterogêneas que buscam balancear o poder de processamento com o consumo de energia. Os aceleradores reconfiguráveis se apresentam como uma alternativa cada vez mais frequente para atender a essas demandas. Entretanto, uma questão chave no projeto de aceleradores reconfiguráveis (RAs) acoplados a processadores de propósito geral (GPPs) é quais componentes combinar para atender ao desempenho esperado ao custo de área e potência adicionais. Realizar uma vasta exploração do espaço de projeto permite mensurar previamente o custo dessas plataformas antes da fase de fabricação. Entretanto a quantidade de possibilidades de soluções a serem avaliadas cresce de maneira exponencial e avaliar todas as soluções e ainda atender ao time-to-market é uma tarefa inviável. Neste trabalho, é apresentada FRiDA (do inglês Predictive tool for Fast DSE of Processors combined with Reconfigurable Accelerators), uma ferramenta de predição para acelerar a exploração de espaço de projeto de sistemas que usam aceleradores reconfiguráveis. A ferramenta proposta utiliza aprendizado de máquina e através da simulação de um subconjunto do espaço de projeto em um simulador de alto nível, modelos de regressão são treinados para predizer os custos de novas configurações arquiteturais não simuladas. Diferentes modelos de regressão foram considerados para serem usados por FRiDA, e os modelos baseados em comitês de regressores, em particular o modelo Gradient Boosting, apresentaram os melhores custo-benefícios quando considerados aspectos como acurácia e taxa de predições por segundo. No estudo de caso utilizado para validação da ferramenta, foi possível alcançar taxas de erro de predição abaixo de 3,5% quando os resultados foram comparados a um simulador de alto nível, e realizar mais de 6.000 predições por segundo, sendo possível percorrer o espaço de projeto investigado que continha mais de 100.000 configurações arquiteturais em menos de 30 segundos. FRiDA possibilita ainda que o projetista defina quais aspectos do projeto deseja otimizar, além de permitir a inclusão de novos aspectos. E assim, permite explorar milhares de configurações arquiteturais e encontrar soluções de alta eficiência com uma baixa taxa de erro de predição. FRiDA permite ainda acoplar uma heurística multiobjetiva, e entrega rapidamente ao projetista soluções que satisfaçam a um ou a múltiplos aspectos conflitantes do projeto. 2021-04-14T23:31:08Z 2021-04-14T23:31:08Z 2021-02-05 doctoralThesis LOPES, Alba Sandyra Bezerra. FRiDA: uma ferramenta de predição para rápida exploração do espaço de projeto de processadores combinados com aceleradores reconfiguráveis. 2021. 181f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2021. https://repositorio.ufrn.br/handle/123456789/32220 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO |