Show simple item record

dc.contributor.authorYlmaz, Buse
dc.date.accessioned2016-09-20T13:37:50Z
dc.date.available2016-09-20T13:37:50Z
dc.date.issued2015-12
dc.identifier.urihttp://hdl.handle.net/10679/4502
dc.identifier.urihttp://discover.ozyegin.edu.tr/iii/encore/record/C__Rb1600047?lang=eng
dc.descriptionThesis (Ph.D.)--Özyeğin University, Graduate School of Sciences and Engineering, Department of Computer Science, December 2015.
dc.description.abstractRuntime specialization is used for optimizing programs based on partial information available only at runtime. In this thesis, we present a purpose-built compiler to quickly specialize Sparse Matrix-Vector Multiplication code for a particular matrix at runtime. There are several specialization methods and the best one depends both on the matrix and the platform. To avoid having to generate all the specialization variations, we use an autotuning approach to predict the best specializer for a given matrix. To this end, we define a set of matrix features for autotuning. Several of these features are unique to our work. We evaluate our system on two machines and show that our approach predicts either the best or the second best method in 91-96\% of the matrices. Predictions achieve average speedups that are very close to the speedups achievable when only the best methods are used. By using an efficient code generator and a carefully designed set of matrix features, we show the total runtime costs of autotuning and specialization can be amortized to bring performance benefits for many real-world cases.en_US
dc.description.abstractKoşut zamanda özelleştirme, sadece koşut zamanda belli olan kısmi veriye dayanarak programları optimize etmek için kullanılan bir yöntemdir. Bu tezde, seyrek matris-vektör çarpımı¸ için hızlı bir şekilde koşut zamanda özelleştirme yapma amacına yönelik bir derleyici sunuyoruz. Seyrek matris-vektör çarpımı için ceşitli özelleştirme metodları vardır; en iyi yöntemin hangisi olduğu hem matris hem de donanım mimarisine bağlıdır. Özelleştirme yöntemlerinin tümünü kullanarak kod üretmekten kaçınmak için, otomatik ayarlama yaklaşımı kullanarak, girdi olarak verilen matris için en iyi özelleştiriciyi tahmin eden bir yöntem oluşturduk. Otomatik ayarlama yapabilmek için bir matris özellikleri kümesi tanımladık. Bu özelliklerin pek çoğu bizim çalışmamıza özgüdür. Sistemimizi iki ayrı makina uzerinde test ettik ve yaklaşımımız en iyi veya en iyi ikinci özelleştirme metodunu %91-96 oranında başarıyla tahmin edebilmektedir. Otomatik ayarlamayla yapılan tahminlerimiz, yalnızca en iyi metodlar kullanıldığında elde edilen hızlanmaya çok¸ yakın hızlanmalar elde etmektedir. Verimli bir kod üreticisi ve dikkatlice oluşturulmuş bir matris özellikleri kümesi kullanarak, otomatik ayarlama ve özelleştirme süreçlerinin toplam koşut zaman masraflarının amortize edilebildiğini ve birçok gerçek-dünya matrisi için performans iyileştirmesi sağlanabileceğini gösterdik.
dc.language.isoengen_US
dc.rightsrestrictedAccess
dc.titleRuntime specialization and autotuning of sparse matrix-vector multiplicationen_US
dc.title.alternativeSeyrek matris-vektör çarpımının koşut zamanda özelleştirilmesi ve otomatik ayarlanması
dc.typePhD dissertationen_US
dc.contributor.advisorAktemur, Tankut Barış
dc.contributor.committeeMemberGarzaran, M.
dc.contributor.committeeMemberSözer, Hasan
dc.contributor.committeeMemberKaya, K.
dc.contributor.committeeMemberUğurdağ, Hasan Fatih
dc.publicationstatusunpublished
dc.contributor.departmentÖzyeğin University
dc.subject.keywordsSparse matricesen_US
dc.contributor.ozugradstudentYılmaz, Buse
dc.contributor.authorFemale1
dc.relation.publicationcategoryThesis - Institutional PhD Student


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

  • PhD Dissertations
    This Collection covers PhD Dissertations produced at Özyeğin University

Show simple item record


Share this page