Submit Search
Upload
Cho Bachelor Thesis
•
Download as PPTX, PDF
•
0 likes
•
2,108 views
pflab
Follow
Cho Bachelor Thesis
Read less
Read more
Science
Report
Share
Report
Share
1 of 15
Download now
Recommended
Yu Sasaki Bachelor Thesis
Yu Sasaki Bachelor Thesis
pflab
Junnosuke Mizutani Bachelor Thesis
Junnosuke Mizutani Bachelor Thesis
pflab
Awamoto master thesis
Awamoto master thesis
pflab
Hidehito Yabuuchi Bachelor Thesis
Hidehito Yabuuchi Bachelor Thesis
pflab
Takahashi Bachelor thesis
Takahashi Bachelor thesis
pflab
Ikarashi Bachelor Thesis
Ikarashi Bachelor Thesis
pflab
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
Deep Learning JP
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
Preferred Networks
Recommended
Yu Sasaki Bachelor Thesis
Yu Sasaki Bachelor Thesis
pflab
Junnosuke Mizutani Bachelor Thesis
Junnosuke Mizutani Bachelor Thesis
pflab
Awamoto master thesis
Awamoto master thesis
pflab
Hidehito Yabuuchi Bachelor Thesis
Hidehito Yabuuchi Bachelor Thesis
pflab
Takahashi Bachelor thesis
Takahashi Bachelor thesis
pflab
Ikarashi Bachelor Thesis
Ikarashi Bachelor Thesis
pflab
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
[DL輪読会]Auto-DeepLab: Hierarchical Neural Architecture Search for Semantic Ima...
Deep Learning JP
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
Preferred Networks
論文 Solo Advent Calendar
論文 Solo Advent Calendar
諒介 荒木
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
Takeshi Yamamuro
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Preferred Networks
不揮発メモリとOS研究にまつわる何か
不揮発メモリとOS研究にまつわる何か
Ryousei Takano
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
Preferred Networks
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Daiyu Hatakeyama
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
農業AIハッカソンマイクロソフト様発表資料
農業AIハッカソンマイクロソフト様発表資料
Kohei Mochida
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
Deep Learning JP
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Sotaro Kimura
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
DNA Data Bank of Japan center
Kazumasa Sakiyama Bachelor Thesis
Kazumasa Sakiyama Bachelor Thesis
pflab
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
智啓 出川
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
Seong-Hun Choe
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
harmonylab
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
智啓 出川
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Masahito Ohue
[基調講演] DLL_RealtimeAI
[基調講演] DLL_RealtimeAI
Deep Learning Lab(ディープラーニング・ラボ)
遺伝研スパコンの『ここが困った!』事例集と今後への提言
遺伝研スパコンの『ここが困った!』事例集と今後への提言
Masahiro Kasahara
PGXのレスポンスとリソース消費
PGXのレスポンスとリソース消費
Tatsumi Akinori
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
More Related Content
What's hot
論文 Solo Advent Calendar
論文 Solo Advent Calendar
諒介 荒木
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
Takeshi Yamamuro
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Preferred Networks
不揮発メモリとOS研究にまつわる何か
不揮発メモリとOS研究にまつわる何か
Ryousei Takano
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
Preferred Networks
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Daiyu Hatakeyama
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
Takeshi Yamamuro
農業AIハッカソンマイクロソフト様発表資料
農業AIハッカソンマイクロソフト様発表資料
Kohei Mochida
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
Deep Learning JP
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Sotaro Kimura
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
DNA Data Bank of Japan center
Kazumasa Sakiyama Bachelor Thesis
Kazumasa Sakiyama Bachelor Thesis
pflab
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
智啓 出川
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
Seong-Hun Choe
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
harmonylab
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
智啓 出川
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Masahito Ohue
[基調講演] DLL_RealtimeAI
[基調講演] DLL_RealtimeAI
Deep Learning Lab(ディープラーニング・ラボ)
遺伝研スパコンの『ここが困った!』事例集と今後への提言
遺伝研スパコンの『ここが困った!』事例集と今後への提言
Masahiro Kasahara
PGXのレスポンスとリソース消費
PGXのレスポンスとリソース消費
Tatsumi Akinori
What's hot
(20)
論文 Solo Advent Calendar
論文 Solo Advent Calendar
VLDB’11勉強会 -Session 9-
VLDB’11勉強会 -Session 9-
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
Deep learningの発展と化学反応への応用 - 日本化学会第101春季大会(2021)
不揮発メモリとOS研究にまつわる何か
不揮発メモリとOS研究にまつわる何か
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
How to Schedule Machine Learning Workloads Nicely In Kubernetes #CNDT2020 / C...
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
SIGMOD'10勉強会 -Session 8-
SIGMOD'10勉強会 -Session 8-
農業AIハッカソンマイクロソフト様発表資料
農業AIハッカソンマイクロソフト様発表資料
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
[Dl輪読会]AdaNet: Adaptive Structural Learning of Artificial Neural Networks
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
Hadoop基盤上のETL構築実践例 ~多様なデータをどう扱う?~
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
[DDBJ Challenge 2016] 遺伝研スーパーコンピュータのビッグデータ解析環境
Kazumasa Sakiyama Bachelor Thesis
Kazumasa Sakiyama Bachelor Thesis
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
2015年度GPGPU実践基礎工学 第15回 GPGPU開発環境(OpenCL)
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
NAS-FPN:Learning Scalable Feature Pyramid Architecture for Object Detection
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
2015年度GPGPU実践基礎工学 第5回 ハードウェアによるCPUの高速化技術
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
Microsoft Azure上でのタンパク質間相互作用予測システムの並列計算と性能評価
[基調講演] DLL_RealtimeAI
[基調講演] DLL_RealtimeAI
遺伝研スパコンの『ここが困った!』事例集と今後への提言
遺伝研スパコンの『ここが困った!』事例集と今後への提言
PGXのレスポンスとリソース消費
PGXのレスポンスとリソース消費
Similar to Cho Bachelor Thesis
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
Hadoop事始め
Hadoop事始め
You&I
Data-Intensive Text Processing with MapReduce(Ch1,Ch2)
Data-Intensive Text Processing with MapReduce(Ch1,Ch2)
Sho Shimauchi
Rubyによるお手軽分散処理
Rubyによるお手軽分散処理
maebashi
KubernetesでGPUクラスタを管理したい
KubernetesでGPUクラスタを管理したい
Yuji Oshima
[DL Hacks]ディープラーニングを まともに動かすために ハードウェアの人が考えていること
[DL Hacks]ディープラーニングを まともに動かすために ハードウェアの人が考えていること
Deep Learning JP
DBP-011_Apache Spark for Azure HDInsight ~新世代の Big Data 処理基盤~
DBP-011_Apache Spark for Azure HDInsight ~新世代の Big Data 処理基盤~
decode2016
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保する
[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保する
DNA Data Bank of Japan center
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Recruit Technologies
Datalab and colaboratory
Datalab and colaboratory
Hayato Yoshikawa
Struggle against crossdomain data complexity in Recruit Group
Struggle against crossdomain data complexity in Recruit Group
DataWorks Summit/Hadoop Summit
Magnum IO GPUDirect Storage 最新情報
Magnum IO GPUDirect Storage 最新情報
NVIDIA Japan
ゾウ使いへの第一歩
ゾウ使いへの第一歩
Fumito Ito
A 2-3ゾウ使いへの第一歩 hadoop on azure 編
A 2-3ゾウ使いへの第一歩 hadoop on azure 編
GoAzure
Kuduを調べてみた #dogenzakalt
Kuduを調べてみた #dogenzakalt
Toshihiro Suzuki
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
日本発オープンソース!! スケールアウト型データベース GridDB入門 ~ GitHubからダウンロードして使ってみましょう ~
日本発オープンソース!! スケールアウト型データベース GridDB入門 ~ GitHubからダウンロードして使ってみましょう ~
griddb
パタヘネゼミ 第6章
パタヘネゼミ 第6章
okuraofvegetable
Similar to Cho Bachelor Thesis
(20)
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Hadoop事始め
Hadoop事始め
Data-Intensive Text Processing with MapReduce(Ch1,Ch2)
Data-Intensive Text Processing with MapReduce(Ch1,Ch2)
Rubyによるお手軽分散処理
Rubyによるお手軽分散処理
KubernetesでGPUクラスタを管理したい
KubernetesでGPUクラスタを管理したい
[DL Hacks]ディープラーニングを まともに動かすために ハードウェアの人が考えていること
[DL Hacks]ディープラーニングを まともに動かすために ハードウェアの人が考えていること
DBP-011_Apache Spark for Azure HDInsight ~新世代の Big Data 処理基盤~
DBP-011_Apache Spark for Azure HDInsight ~新世代の Big Data 処理基盤~
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保する
[DDBJing31] 軽量仮想環境を用いてNGSデータの解析再現性を担保する
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Datalab and colaboratory
Datalab and colaboratory
Struggle against crossdomain data complexity in Recruit Group
Struggle against crossdomain data complexity in Recruit Group
Magnum IO GPUDirect Storage 最新情報
Magnum IO GPUDirect Storage 最新情報
ゾウ使いへの第一歩
ゾウ使いへの第一歩
A 2-3ゾウ使いへの第一歩 hadoop on azure 編
A 2-3ゾウ使いへの第一歩 hadoop on azure 編
Kuduを調べてみた #dogenzakalt
Kuduを調べてみた #dogenzakalt
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
日本発オープンソース!! スケールアウト型データベース GridDB入門 ~ GitHubからダウンロードして使ってみましょう ~
日本発オープンソース!! スケールアウト型データベース GridDB入門 ~ GitHubからダウンロードして使ってみましょう ~
パタヘネゼミ 第6章
パタヘネゼミ 第6章
More from pflab
Tsuji Master Thesis
Tsuji Master Thesis
pflab
Taniguchi master thesis
Taniguchi master thesis
pflab
Hirafuji Master Thesis
Hirafuji Master Thesis
pflab
Yamada bachelor thesis
Yamada bachelor thesis
pflab
Muramatsu Bachelor Thesis
Muramatsu Bachelor Thesis
pflab
Gotanda Bachelor Thesis
Gotanda Bachelor Thesis
pflab
Tatsuya Sueki Master thesis
Tatsuya Sueki Master thesis
pflab
Tomoya Sato Master Thesis
Tomoya Sato Master Thesis
pflab
Miyoshi Bachelor Thesis
Miyoshi Bachelor Thesis
pflab
Akihiro Sakurai Bachelor Thesis
Akihiro Sakurai Bachelor Thesis
pflab
Yuto Mochizuki bachelor thesis
Yuto Mochizuki bachelor thesis
pflab
Yoshio Kato Bachelor Thesis
Yoshio Kato Bachelor Thesis
pflab
Tatsuya Sueki Bachelor Thesis
Tatsuya Sueki Bachelor Thesis
pflab
Shusaku Taniguchi Bachelor Thesis
Shusaku Taniguchi Bachelor Thesis
pflab
Shogo Yamazaki Bachelor Thesis
Shogo Yamazaki Bachelor Thesis
pflab
Tomoya Sato Bachelor Thesis
Tomoya Sato Bachelor Thesis
pflab
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
pflab
Shinichi Awamoto Bachelor Thesis
Shinichi Awamoto Bachelor Thesis
pflab
輪講_Awamoto_20170601
輪講_Awamoto_20170601
pflab
輪講_Sakiyama_20170601
輪講_Sakiyama_20170601
pflab
More from pflab
(20)
Tsuji Master Thesis
Tsuji Master Thesis
Taniguchi master thesis
Taniguchi master thesis
Hirafuji Master Thesis
Hirafuji Master Thesis
Yamada bachelor thesis
Yamada bachelor thesis
Muramatsu Bachelor Thesis
Muramatsu Bachelor Thesis
Gotanda Bachelor Thesis
Gotanda Bachelor Thesis
Tatsuya Sueki Master thesis
Tatsuya Sueki Master thesis
Tomoya Sato Master Thesis
Tomoya Sato Master Thesis
Miyoshi Bachelor Thesis
Miyoshi Bachelor Thesis
Akihiro Sakurai Bachelor Thesis
Akihiro Sakurai Bachelor Thesis
Yuto Mochizuki bachelor thesis
Yuto Mochizuki bachelor thesis
Yoshio Kato Bachelor Thesis
Yoshio Kato Bachelor Thesis
Tatsuya Sueki Bachelor Thesis
Tatsuya Sueki Bachelor Thesis
Shusaku Taniguchi Bachelor Thesis
Shusaku Taniguchi Bachelor Thesis
Shogo Yamazaki Bachelor Thesis
Shogo Yamazaki Bachelor Thesis
Tomoya Sato Bachelor Thesis
Tomoya Sato Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
Akihiro Aritoshi Bachelor Thesis
Shinichi Awamoto Bachelor Thesis
Shinichi Awamoto Bachelor Thesis
輪講_Awamoto_20170601
輪講_Awamoto_20170601
輪講_Sakiyama_20170601
輪講_Sakiyama_20170601
Cho Bachelor Thesis
1.
Overhead-Aware Simulation of
DAG-Based Real-Time Scheduling on Multicore Processors マルチプロセッサ上におけるオーバーヘッドを考慮したDAGタスクの シミュレーション 張 東嘉 理学部情報科学科4年 加藤研究室
2.
背景 ・マルチコアプロセッサの一般化 ・リアルタイムシステムの普及 ・実行順序の制限があるタスク ➛スケジューリング 出典: newsroom.intel.com, parasol.tamu.edu
www.elprocus.com
3.
背景 : DAG
タスク ・内部に複数のジョブをもつ ・ジョブには実行順序の制約 ・周期とデッドライン ・デッドライン内に実行が終わるか ➛スケジュール可能か
4.
背景 : マルチコアでのアプローチ ・Partitioned
Scheduling ・コアに自身のキュー ・自身のキューの中のタスクのみ実行 cpu1 cpu2 cpu n... task ・Global Scheduling ・全体で一つのキュー ・タスクが実行されるコアが変化 ➛マイグレーションの発生 task cpu1 cpu2 cpu n...
5.
先行研究 ・Global Schedulingの元でスケジュールできるか判定するのは難しい ・限定された状況でもNP-hard [Ullman,
1975] ・Capacity Augmentation Bound [Li, 2014]などの十分条件 ➛CPU使用率が低い時のみ保証 ・理論的アプローチの限界 出典: www.cse.wustl.edu
6.
提案手法 ・シミュレーションでタスクのスケジュール可能性を解析 ・さらにタスクマイグレーションの影響を考慮 ➛ Global Schedulingでは不可避 ・タスクが成功率を上げられるようにパラメーターを調整 ➛
周期のパラメーターを調整
7.
提案手法 ・最初に周期パラメーターを変更せずにシミュレーション ➛ Fixed Period
でシミュレーション ・失敗タスクがどの程度間に合わなかったか記録 ・成功したタスクがどの程度余裕を持って間に合ったか記録 Task A t Deadline! Task B Deadline! 間に合わなかった場合 : 間に合った場合 :
8.
提案手法 ・記録を元にパラメーター修正 ➛CPU使用率を保持するように調整 ・調整された周期(Adaptive Period)で再シミュレーション ・global EDFアルゴリズムでシミュレーションを行い計測 ➛
各CPUが一番デッドラインに近いタスクを選ぶアルゴリズム 出典: microcontrollerslab.com
9.
評価 ・タスクをランダムに生成 ・シミュレーションを実行し全タスク中成功したタスクを集計 ・オーバーヘッドがある場合とない場合でそれぞれ実験 ・特定のCPU使用率ごとに成功したタスクの割合を計算
10.
実験(オーバーヘッドがない場合) ・タスクセットをランダムに10000個生成 ・周期は150 ~ 300
tick ・それぞれのジョブは10 ~ 40 tickのWCET(最悪実行時間) ・global EDF で 4 core 上でシミュレーション
11.
結果(オーバーヘッドがない場合) • Capacity augmentation
bound が保証できない場合 (utilization > 48%)でも説明 • パラメーター調整後はスケ ジューリング成功率が上昇 • CPU使用率が80%以上の ケースでは16%の成功率の 向上
12.
実験(オーバーヘッドがある場合) ・先の実験と同じタスクセットを使用 ・周期は150 ~ 300
tick ・それぞれのジョブは10 ~ 40 tickのWCET(最悪実行時間) ・コアが前回と異なるタスクを実行した場合1 tickのコストを課す ➛ タスクマイグレーションのオーバーヘッドを再現
13.
結果2(オーバーヘッドがある場合) • パラメーター調節後はスケ ジュール成功率が上昇 • オーバーヘッドがない時と 比べてスケジューリング成 功率は低下
14.
まとめ ・DAGタスクのスケジューラビリティをシミュレーションで解析 ・パラメーター調整によってスケジュール成功率を向上 ・タスクのマイグレーションなどのコストも考慮 ・CPUが使用率が高い場合では16%の成功率の上昇
15.
今後の課題 ・他のスケジューリングポリシーまたは条件での実験 ・オーバーヘッドのコストの正確な検証 ・それぞれのプロセッサーの性能が均一でない場合への拡張 ➛ Heterogeneous multiprocessor
system
Editor's Notes
DAG task explanation
佐々木さん
title font larger
Dono kurai hikannteki ka no graph
Iranai -> 提案に入れる
図で説明
図
オーバヘッドありとなし
Add line of U_{sum}
Before, after rename
向上したもの Make fonts larger
図で説明
zu
Download now