Efficient OpenCL application autotuning for heterogeneous platforms

Recently, OpenCL standard reached much wider audiences due to the increasing number of devices supporting it. At the same time, we have observed increase of differences among devices that support OpenCL. This situation offers to developers, who want to get high performance, a large spectrum of platforms. Given the additional OpenCL platform parameters along side application specific parameters, design space for exploration is seriously large. Furthermore, availability of more than one kind of device allows distribution of computation on the heterogeneous platform. Automatic design space exploration frameworks are one of the recent approaches to address these problems and to reduce the burden of programmers. In this Thesis, we propose more automatic and efficient techniques to prune the design space before moving on to the exploration phase. In addition, the Thesis proposes new methods for allocating the computational tasks on the available resources. To assess the proposed methodology, experiments have been carried out for two application case studies mapped on two heterogeneous computing platforms. Experimental results report that the proposed pruning technique reduces the huge exploration space to a feasible size while achieving 57% speed up utilizing heterogeneity of the the platform for the two selected use cases.

Recentemente, lo standard OpenCL ha raggiunto una sempre più ampia diffusione grazie all'incremento del numero di dispositivi che lo supportano. Allo stesso tempo, abbiamo osservato un incremento delle differenze tra i dispositivi che supportano OpenCL. Questa situazione offre agli sviluppatori, che desiderano ottenere alte prestazioni, un ampio spettro di piattaforme. Dati i parametri addizionali relativi alla piattaforma offerti da OpenCL e i parametri specifici applicativi, la dimensione dello spazio di progettazione è enorme. Inoltre, la disponibilità di più di un tipo di dispositivo consente la distribuzione della computazione su piattaforma eterogenea. Framework automatici per l'esplorazione dello spazio di progetto rappresentano uno dei recenti approcci per affrontare questi problemi e per ridurre l'onere dei programmatori. In questa tesi, proponiamo tecniche automatiche ed efficienti per ridurre lo spazio di progettazione prima di passare alla fase di esplorazione. Inoltre, questa Tesi propone nuovi metodi di allocazione dei task computazionali sulle risorse disponibili. Per valutare la metodologia proposta, sono stati effettuati degli esperimenti realtivi a due applicazioni usate come casi di studio mappati su due piattaforme eterogenee. I risultati sperimentali mostrano che le tecniche proposte riducono l'enorme dimensione dello spazio progettuale ad una dimensione fattibile raggiungendo una velocizzazione del 57% sfruttando l'eterogeneità della la piattaforma per i due casi di studio selezionati.