Optimizing Radeon VRAM behavior
Kasanen, Lauri (2014)
Kasanen, Lauri
Jyväskylän ammattikorkeakoulu
2014
Creative Commons Attribution-NonCommercial-ShareAlike 1.0 Suomi
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-201405188450
https://urn.fi/URN:NBN:fi:amk-201405188450
Tiivistelmä
Opinnäytetyössä tutkittiin mahdollisuutta parantaa näytönohjainajurin tehokkuutta soveltamalla tekoälyä muistinkäytön hallintaan. Tekoälyn kouluttamista varten luotiin muistisimulaattori sekä muuta ohjelmistoa. Dataa
kerättiin laajasta valikoimasta pelejä ja sovelluksia, tuottaen simulaattorille sopivia muistijälkiä. Ajamalla kerätyt muistijäljet simulaattorin läpi voitiin mitata
erilaisten lähestymistapojen tehokkuutta. Simulaattoria sovellettiin ensin sirpaloitumisen minimointiin, ja myöhemmin tekoälyn koulutukseen.
Työssä esitetään lyhyesti tekoälytutkimuksen nykytila ja sovellukset. Tutkimukseen valitut tekniikat käydään tarkemmin läpi. Tärkeimmät käytetyt koulutusmetodit ovat geneettinen koulutus, jolla saavutettiin ensimmäinen ratkaisu, sekä Monte-Carlo-metodit, joilla ratkaisua hienosäädettiin.
Tuloksena saatiin muutettua sirpaloitumista siten, että puskureiden edestakainen liikenne väheni jopa 20%. Muutos hyväksyttiin tuleviin Linux-ytimiin, alkaen versiosta 3.15.
Tekoäly saavutti kelvollisen tason puskurien sijoittamisen optimoinnissa, onnistuen parantamaan useimpien testattujen sovellusten suorituskykyä n. 1-2% muistipaineen alla. Myös sovellusten suorituskyvyn tasaisuus parani, tuottaen miellyttävämmän käyttökokemuksen.
kerättiin laajasta valikoimasta pelejä ja sovelluksia, tuottaen simulaattorille sopivia muistijälkiä. Ajamalla kerätyt muistijäljet simulaattorin läpi voitiin mitata
erilaisten lähestymistapojen tehokkuutta. Simulaattoria sovellettiin ensin sirpaloitumisen minimointiin, ja myöhemmin tekoälyn koulutukseen.
Työssä esitetään lyhyesti tekoälytutkimuksen nykytila ja sovellukset. Tutkimukseen valitut tekniikat käydään tarkemmin läpi. Tärkeimmät käytetyt koulutusmetodit ovat geneettinen koulutus, jolla saavutettiin ensimmäinen ratkaisu, sekä Monte-Carlo-metodit, joilla ratkaisua hienosäädettiin.
Tuloksena saatiin muutettua sirpaloitumista siten, että puskureiden edestakainen liikenne väheni jopa 20%. Muutos hyväksyttiin tuleviin Linux-ytimiin, alkaen versiosta 3.15.
Tekoäly saavutti kelvollisen tason puskurien sijoittamisen optimoinnissa, onnistuen parantamaan useimpien testattujen sovellusten suorituskykyä n. 1-2% muistipaineen alla. Myös sovellusten suorituskyvyn tasaisuus parani, tuottaen miellyttävämmän käyttökokemuksen.