Comparação de Consumo de Energia entre CPU e GPU em Computadores de Uso Doméstico

• Guilherme C. Salvati UCS
• Rafael Andreola UCS
• Samuel F. Ferrigo UCS

DOI: https://doi.org/10.5753/eradrs.2026.20465

Resumo

Este trabalho avalia o desempenho e o consumo energético da multiplicação de matrizes quadradas utilizando paralelismo em CPU (OMP) e paralelismo heterogêneo CPU-GPU (CUDA) em computadores domésticos. A partir do algoritmo clássico com técnica de blocagem, analisaram-se os impactos em cada tipo de arquitetura. Experimentos foram realizados em três equipamentos domésticos, medindo-se tempo de execução e potência média do sistema para estimar a energia incremental. Os resultados mostram superioridade consistente da GPU tanto em desempenho quanto em energia total consumida.

Referências

Abuzaid, F., Hadjis, S., Zhang, C., and Ré, C. (2015). Caffe con troll: Shallow ideas to speed up deep learning. DanaC’15: Proceedings of the Fourth Workshop on Data analytics in the Cloud.

Chetlur, S., Woolley, C., Vandermersch, P., Cohen, J., Tran, J., Catanzaro, B. C., and Shelhamer, E. (2008). cudnn: Efficient primitives for deep learning.

Goto, K. and van de Geijn, R. A. (2008). Anatomy of high-performance matrix multiplication. ACM Transactions on Mathematical Software.

Ibrahim, K. Z. (2020). Code development of high-performance applications for power-efficient architectures. In Ahmad, I. and Ranka, S., editors, Handbook of Energy-Aware and Green Computing - Two Volume Set. Chapman & Hall.

Ren, D. Q. and Suda, R. (2020). Energy-aware simd algorithm design on gpu and multicore architectures. In Ahmad, I. and Ranka, S., editors, Handbook of Energy-Aware and Green Computing - Two Volume Set. Chapman & Hall.