cuDNN Convolution FWD Algorithm 분석 (2) 성능 분석 with 일반 데스크탑

이전 글 : 2022.05.04 - [Deep Learning/jhDNN] - cuDNN Convolution FWD Algorithm 분석 (1) Overview

이전 글에서 cuDNN의 convolution forward algorithm에 대하여 간략히 분석해 보았다. 오늘은 각 알고리즘의 성능을 많이 사용되는 convolution layer configuration 별로 정리하고자 한다.

 

 

 

실험 환경

이 실험은 게임 실행을 위해 설계된 데스크탑 시스템에서 진행되었다. 일반적인 게이밍 환경에서의 결과 리포트는 이것이 (거의) 처음일 것이니, 이 실험 환경 또한 큰 기여를 할 것이라고 생각한다. Table 1.은 실험 환경을 정리한 표이다.

 

Table 1. 실험 환경

 

모든 실험은 50회 반복 실행한 결과이며, 시간은 50회 실행 결과의 합이다. 따라서 실제 한 번 실행은 시간을 50으로 나눠줘야 구할 수 있다.

 

 

 

Kernel Size (Filter_Height, Filter_Width)에 따른 성능

Table 2. 2D Filter (HxW) 사이즈에 따른 성능 분석

 

 

 

Kernel Size (Input_Channel, Output_Channel)에 따른 성능

Table 3. (Input_Channel, Output_Channel) 사이즈에 따른 성능 분석

 

 

 

Mini-Batch Size에 따른 성능

Table 4. Mini-batch 사이즈에 따른 성능 분석