| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-03-07 14:15 CNNによる画像分析タスクの実行時間予測のためのCPU/GPUベンチマーク手法の提案 ○源内裕貴・川口峻平・大下裕一・下西英之（阪大）  IN2024-129 |
|
| 抄録 | （和） | 近年のGPUクラウドサービスに対する需要の高まりに伴い，コスト見積もりのための正確なタスクの実行時間予測が求められている．しかし，多様なGPUが提供される中で，性能を正確に把握し予測することは難しい．従来のベンチマーク手法は，特定のタスクに対してGPU性能を単一の指標で評価するが，異なるタスクにおける計算種類/負荷の違いを十分に考慮できず，予測精度に限界があった．本研究では，GPU性能を処理要素ごとに多角的にモデル化するベンチマーク手法を提案し，LightGBMを用いて未知のサーバ上でのCNNによる画像分析タスクの実行時間を予測する．12種類のGPUサーバを対象にLeave-One-Out Cross-Validation法で評価した結果，平均のMAPEは13.92%を達成した．また，モデル精度とベンチマーク測定時間の関係を分析し，特徴量選択の重要性を示した． |
| （英） | As demand for GPU cloud services grows, accurate task execution time prediction for cost estimation becomes important. However, a wide variety of GPUs are offered, which causes difficulty in accurate identification and prediction of performance. Conventional benchmarking methods use a single metric for a specific task, failing to capture varying computational characteristics and limiting prediction accuracy. In this paper, we propose a benchmarking approach that models GPU performance at the component level. We apply our benchmarking method to the prediction of CNN-based image analysis execution time on an unknown server using a LightGBM-based model. We evaluated our method on 12 GPU servers with a Leave-One-Out Cross-Validation method and demonstrated that our model achieves a MAPE of 13.92%. We also analyzed the relationship between model accuracy and benchmark measurement time to demonstrate the importance of feature selection. | |
| キーワード | （和） | GPU性能抽象化 / マイクロベンチマーク / 機械学習モデル / GPUクラウドサービス / / / / |
| （英） | GPU Performance model / Micro-benchmarks / Machine Learning / GPU cloud services / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 420, IN2024-129, pp. 312-317, 2025年3月. | |
| 資料番号 | IN2024-129 | |
| 発行日 | 2025-02-27 (IN) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IN2024-129 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2025-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | CNNによる画像分析タスクの実行時間予測のためのCPU/GPUベンチマーク手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | A Proposed CPU/GPU Benchmarking Method \for Predicting Execution Time of Image Analysis Tasks Using CNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | GPU性能抽象化 / GPU Performance model |
| キーワード(2)（和/英） | マイクロベンチマーク / Micro-benchmarks |
| キーワード(3)（和/英） | 機械学習モデル / Machine Learning |
| キーワード(4)（和/英） | GPUクラウドサービス / GPU cloud services |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 源内 裕貴 / Yuki Gennai / ゲンナイ ユウキ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 川口 峻平 / Shumpei Kawaguchi / カワグチ シュンペイ |
| 第2著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 大下 裕一 / Yuichi Ohsita / オオシタ ユウイチ |
| 第3著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 下西 英之 / Hideyuki Shimonishi / シモニシ ヒデユキ |
| 第4著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2024-129 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.420 |
| ページ範囲 | pp.312-317 |
| ページ数 | 6 |
| 発行日 | 2025-02-27 (IN) |
[研究会発表申込システムのトップページに戻る]