通用图形处理器(General Purpose Graphics Processing Unit ,GPGPU)是一种性价比较高的并行加速处理器,已经在科学计算和各种工程计算领域得到了广泛应用。据统计,HPC Top500中有超过100A采用了Nvidia GPU作为加速部件。随着半导体工艺的不断发展进步,GPU集成了更多的晶体管(Nvidia Tesla K20拥有71亿个晶体管),功耗也不断增长,如Nvidia TeslaK20的热设计功耗(Thermal Design Power,TDP)达到了225 W。高功耗意味着需要更加复杂的散热方案,增加了GPU使用成本。在提倡绿色计算的今天,能源作为一种重要的计算资源逐渐引起研究人员关注,对高功耗的GPU进行控制优化具有重要的现实意义。
精准快速地获得GPU功耗数据,是研究GPU功耗相关问题的重要前提。测量GPU功耗可通过在GPU中集成功耗测量电路,该方法所得功耗数据准确,但是需要增加额外硬件电路,增加了制造成本。另一种功耗测量方法是通过功耗测量设备获取GPU功耗,该方法成本高且易受到外部环境因素的干扰。GPU硬件仿真方法也可得到其功耗,但是该方法需耍研究人员精通GPU硬件架构,并且GPU仿真通用性差。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !