gpgpu-sim/gpgpu-sim_distribution

GPGPU‑Sim – サイクルレベルGPUアーキテクチャシミュレーター

概要 – GPGPU‑Simは、最新のNVIDIAスタイルのグラフィックスプロセッサ (GPU) をモデル化する、オープンソースのサイクル精度シミュレーターです。CUDAまたはOpenCL用に書かれたプログラムを実行でき、詳細なタイミング、機能、および消費電力の結果を出力します。

重要性 – 研究者はこれを使用して、GPUハードウェアの動作を研究し、新しいアーキテクチャのアイデアを探索し、高価な物理GPUを必要とせずにディープラーニングワークロードのパフォーマンスとエネルギー消費を評価します。

主要コンポーネント

• コアシミュレーター – PTX/SASS命令ストリームをサイクルごとに実行し、ワープスケジューリング、メモリ階層、および演算ユニットをモデル化します。
• AccelWattch電力モデル – McPATモデルに基づいて構築され、実際のVolta GPUに対して検証された、GPU消費電力を推定するための拡張可能なフレームワークです。
• AerialVision – 分析を容易にするためにシミュレーション統計をプロットする可視化ツールです。
• Accel‑Simとの統合 – NVIDIAのNVBit SASSトレースを使用したトレースベースのシミュレーションを可能にし、PyTorch/CuDNNの実行駆動モードをサポートします。

一般的なワークフロー

1. 依存関係のインストール – Linuxシステム、CUDAツールキット、オプションのOpenCLドライバー、およびいくつかの開発パッケージ (gcc, make, bisonなど)。利便性のために、DockerまたはVS Code開発コンテナの設定が提供されています。
2. ビルド – debug または release 構成を選択し、CMakeまたは従来のMakefileを使用してコンパイルします。
3. 実行 – シミュレーターのライブラリパスをコンパイル済みのCUDA (またはPyTorch) バイナリに向け、オプションでAccelWattch電力モデルを有効にしてプログラムを起動します。結果はログファイルに書き込まれ、AerialVisionで可視化できます。

対象読者 – パフォーマンスや電力の研究のために詳細で構成可能なGPUモデルを必要とするコンピュータアーキテクチャの研究者、大学院生、およびエンジニア。特にTensor Coresや動的並列処理などの新しいハードウェア機能を評価する場合に役立ちます。

開始方法 – リポジトリをクローンし、READMEの「Step 1‑3」の手順に従うか、ビルド済みのDockerイメージ (ghcr.io/accel-sim/accel-sim-framework:ubuntu-24.04-cuda-12.8) をプルしてください。http://gpgpu-sim.org/manual/ のマニュアルには、より詳細なドキュメントが記載されています。