Autotuning CUDA compiler parameters for heterogeneous applications using the OpenTuner framework (2017)
- Autores:
- Autores USP: LEJBMAN, ALFREDO GOLDMAN VEL - IME ; BRUEL, PEDRO HENRIQUE ROCHA - IME ; GONZALEZ, MARCOS TULIO AMARIS - IME
- Unidade: IME
- DOI: 10.1002/cpe.3973
- Assunto: COMPUTAÇÃO GRÁFICA
- Palavras-chave do autor: autotuning; GPUs; compilers; CUDA; OpenTuner
- Agências de fomento:
- Idioma: Inglês
- Imprenta:
- Local: Chichester
- Data de publicação: 2017
- Fonte:
- Título do periódico: Concurrency and Computation: Practice and Experience
- ISSN: 1532-0626
- Volume/Número/Paginação/Ano: v. 29, n. 22, p. 1-15, 2017
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
BRUEL, Pedro e AMARÍS, Marcos e GOLDMAN, Alfredo. Autotuning CUDA compiler parameters for heterogeneous applications using the OpenTuner framework. Concurrency and Computation: Practice and Experience, v. 29, n. 22, p. 1-15, 2017Tradução . . Disponível em: https://doi.org/10.1002/cpe.3973. Acesso em: 19 set. 2024. -
APA
Bruel, P., Amarís, M., & Goldman, A. (2017). Autotuning CUDA compiler parameters for heterogeneous applications using the OpenTuner framework. Concurrency and Computation: Practice and Experience, 29( 22), 1-15. doi:10.1002/cpe.3973 -
NLM
Bruel P, Amarís M, Goldman A. Autotuning CUDA compiler parameters for heterogeneous applications using the OpenTuner framework [Internet]. Concurrency and Computation: Practice and Experience. 2017 ; 29( 22): 1-15.[citado 2024 set. 19 ] Available from: https://doi.org/10.1002/cpe.3973 -
Vancouver
Bruel P, Amarís M, Goldman A. Autotuning CUDA compiler parameters for heterogeneous applications using the OpenTuner framework [Internet]. Concurrency and Computation: Practice and Experience. 2017 ; 29( 22): 1-15.[citado 2024 set. 19 ] Available from: https://doi.org/10.1002/cpe.3973 - Autotuning under tight budget constraints: a transparent design of experiments approach
- Performance prediction of application executed on GPUs using a simple analytical model and machine learning techniques
- Autotuning LLVM optimization passes for matrix multiplication in Rust
- OpenMP is not as easy as it appears
- Heart rate variability predicts the subject-driven cognitive states
- Approximating the discrete resource sharing scheduling problem
- Introdução à computação heterogênea
- Useful statistical methods for human factors research in software engineering: a discussion on validation with quantitative data
- Thematic series on service composition for the future internet
- A multithreaded resolution of the service selection problem based on domain decomposition and work stealing
Informações sobre o DOI: 10.1002/cpe.3973 (Fonte: oaDOI API)
Download do texto completo
Tipo | Nome | Link | |
---|---|---|---|
2859520.pdf |
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas