Детальная информация

Название: Разработка модели оценки времени выполнения вычислительных задач линейной алгебры для компьютера массивно-параллельной архитектуры c графическими ускорителями: выпускная квалификационная работа бакалавра: направление 02.03.01 «Математика и компьютерные науки» ; образовательная программа 02.03.01_01 «Системы искусственного интеллекта и суперкомпьютерные технологии»
Авторы: Сеннов Владимир Николаевич
Научный руководитель: Курочкин Михаил Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2022
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: оценка времени выполнения; линейная алгебра; xgboost; линейная регрессия; суперкомпьютерные вычисления; runtime estimation; linear algebra; linear regression; hpc
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 02.03.01
Группа специальностей ФГОС: 020000 - Компьютерные и информационные науки
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2822
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\19738

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Качество диспетчеризации суперкомпьютера напрямую зависит от точности оценки времени выполнения задачи. В рамках данной работы был разработана модель оценки времени выполнения задач линейной алгебры. Модель использует асимптотическую оценку сложности в качестве параметра и в зависимости от нее используется модель Extreme Gradient Boosting (XGBoost) или линейная регрессионную модель. Модель обучается и тестируется для трех алгоритмов: умножение матрицы на вектор, степенной метод нахождения собственного числа и метод Якоби для решения системы линейных уравнений. В рамках проведенных экспериментов эта модель показывала себя лучше, чем случайный лес и чистый XGBoost, в среднем относительная ошибка улучшается на 4-5%.

Quality of HPC scheduling directly depends on accuracy of job runtime estimation. This work proposes a modeling method for runtime estimation of linear algebra tasks. Model uses complexity estimation as input parameter, and either Extreme Gradient Boosting (XGBoost) model or linear regression model is used depending on complexity estimation value. This model was fitted and tested using runtime data for three algorithms: matrix multiplication, power iteration and Jacobi method for system of linear equations. Testing on this data showed that proposed model outperforms Randow Forest and XGBoost in most cases, relative error for proposed model is lower by 4-5% by average.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 8
За последние 30 дней: 0
Подробная статистика