Université de Rennes 1 Throughput-oriented analytical models for performance estimation on programmable hardware accelerators Analyse de performance potentielle d'une simulation de QCD sur réseau sur processeur Cell et GPU GPGPUMulti-coeursProcesseurs graphiques GPGPUCUDAFermi GPUKepler GPUPerformance upper boundPerformance PredictionPerformance Analysis Microprocesseurs multi-coeurs Thèses et écrits académiques Infographie Thèses et écrits académiques Durant cette thèse, nous avons principalement travaillé sur deux sujets liés à l'analyse de la performance GPU (Graphics Processing Unit - Processeur graphique). Dans un premier temps, nous avons développé une méthode analytique et un outil d'estimation temporel (TEG) pour prédire les performances d'applications CUDA s’exécutant sur des GPUs de la famille GT200. Cet outil peut prédire les performances avec une précision approchant celle des outils précis au cycle près. Dans un second temps, nous avons développé une approche pour estimer la borne supérieure des performances d'une application GPU, en se basant sur l'analyse de l'application et de son code assembleur. Avec cette borne, nous connaissons la marge d'optimisation restante, et nous pouvons décider des efforts d'optimisation à fournir. Grâce à cette analyse, nous pouvons aussi comprendre quels paramètres sont critiques à la performance. In this thesis work, we have mainly worked on two topics of GPU performance analysis. First, we have developed an analytical method and a timing estimation tool (TEG) to predict CUDA application's performance for GT200 generation GPUs. TEG can predict GPU applications' performance in cycle-approximate level. Second, we have developed an approach to estimate GPU applications' performance upper bound based on application analysis and assembly code level benchmarking. With the performance upper bound of an application, we know how much optimization space is left and can decide the optimization effort. Also with the analysis we can understand which parameters are critical to the performance. Electronic Thesis or DissertationText en application/pdf1 : 2965 Kohttp://ecm.univ-rennes1.fr/nuxeo/site/esupversions/6ab11fda-5a50-419d-bd1a-9206d512bc9e Lai Junjie 1984-02-21 CN 169715787 10033671 laijj02@gmail.com 2013REN1S014 http://www.theses.fr/2013REN1S014 2013-02-15 Informatique Université de Rennes 1thesis.degree.grantor_1 02778715X Université européenne de Bretagnethesis.degree.grantor_2 139075119 Doctorat non ouiSeznecAndréintervenant_1033236402 Mathématiques, informatique, signal, électronique et télécommunicationsecoleDoctorale_1 139007164 Institut de recherche en informatique et systèmes aléatoires (Rennes)partenaireRecherche_1 026386909 ddc:004 SeznecAndréUniversité de Rennes 1Sciences et technologie, médecine, pharmacie, odontologie, droit, économie, gestion, philosophieUniversité européenne de BretagnePôle de recherche et d'enseignement supérieur de BretagneMathématiques, informatique, signal, électronique et télécommunicationsÉcole doctorale Mathématiques, informatique, signal, électronique et télécommunications (Rennes)Institut de recherche en informatique et systèmes aléatoires (Rennes) ASCII PDF 3036514