@techreport{oai:ipsj.ixsq.nii.ac.jp:00239005,
 author = {中野, 雅史 and 常, 穹 and 宮崎, 純},
 issue = {16},
 month = {Sep},
 note = {本研究では，動的に最適な分割比率を推定して CPU と GPU で並列処理を行うデータ並列プリミティブ処理の拡張手法を提案する．GPU 上で汎用計算を実装した既存のデータ並列プリミティブは，GPU メモリサイズを超えるデータを処理できない．この問題は GPU 上で行う処理を CPU とメインメモリに拡張する方法で解決することができるが，CPU と GPU への最適なデータ分割比率はデータ特性やプロセッサ性能に依存するため，静的に推定することは困難である．提案手法では，実行時にデータの一部から最適な分割比率を推定し，推定した比率で残りのデータを分割することで計算資源を最大限に利用した効率的な処理を行う．本研究では動的に推定した分割比率と使用する計算環境に適した比率を比較し，動的推定手法の精度を評価する．, In this study, we propose an extended method of data parallel primitive processing that dynamically estimates the optimal data partitioning ratio and performs parallel processing on CPU and GPU. Existing data parallel primitives, which are general-purpose computations implemented on GPUs, cannot process data beyond the memory size of the GPU. This problem can be solved by extending the processing on GPUs to CPUs and main memory, but the optimal data partitioning ratio between CPUs and GPUs depends on data characteristics and processor performance, and is difficult to estimate statically. The proposed method estimates the optimal partitioning ratio from a portion of the data at runtime and splits the remaining data according to the estimated ratio, thereby maximizing the use of computational resources for efficient processing. In this study, we evaluates the accuracy of the dynamic estimation method by comparing the dynamically estimated partitioning ratio with the partitioning ratio appropriate for the computing environment used.},
 title = {動的に推定されるデータ分割比を用いたGPU並列プリミティブ処理のCPUへの拡張},
 year = {2024}
}