/articles/toma

#! /usr/bin/python

 

import sys

import numpy as np

import matplotlib.pyplot as plt

 

ops = 3526656000.

 

#colors=['green', 'red']

#colors=['#05500a', '#ff676c']

colors=['#05500a', 'lightyellow']

 

#colors2=['black', '#011268', '#15601a', '#ff676c', 'lightyellow']

#colors2=['#303030', '#2b83ba', 'limegreen', '#fdd5a5', '#d3ffd5', 'lightyellow']

colors2=['#303030', '#2b83ba', 'limegreen', 'red', 'lightyellow', '#d3ffd5']

 

 

titles = np.genfromtxt('../bench/gpu.txt', dtype = 'S32', delimiter=",", usecols = [0])

specs = np.genfromtxt('../bench/specs.txt', names = True, usecols = range(1,10))

# Convert structured numpy array to standard ndarray

specs = specs.view(np.float).reshape(specs.shape + (-1,))

 

data = np.genfromtxt('../bench/tex.txt', names = True, usecols = range(1,10))

# Convert structured numpy array to standard ndarray

data = data.view(np.float).reshape(data.shape + (-1,))

# Convert to GUPS

tex_gups = np.vectorize(lambda v: ops / v / 1000 / 1000 if v > 0 else 0.)(data)

 

data = np.genfromtxt('../bench/alu.txt', names = True, usecols = range(1,10))

# Convert structured numpy array to standard ndarray

alu_gups = data.view(np.float).reshape(data.shape + (-1,))

 

#Extract

std = np.round(tex_gups[0])

tex_f1 = np.amax(tex_gups[0:12:4], axis=0)

tex_f2 = np.amax(tex_gups[1:12:4], axis=0)

tex_f4 = np.amax(tex_gups[2:12:4], axis=0)

tex_h4 = np.amax(tex_gups[3:12:4], axis=0)

 

#Standard

lin_simple = tex_f1

nn_simple = tex_f1

 

# Compute maximum for precise and approximate modes

plin_tex = np.amax([tex_f1, tex_f2], axis=0)

alin_tex = plin_tex

pnn_tex = np.amax([plin_tex, tex_f4], axis=0)

ann_tex = np.amax([pnn_tex, tex_h4], axis=0)

 

#Linear & Hybrid

lin_f1 = np.amax(alu_gups[0:8:4], axis=0)

lin_f2 = np.amax(alu_gups[1:8:4], axis=0)

lin_f4 = np.amax(alu_gups[2:8:4], axis=0)

lin_h4 = np.amax(alu_gups[3:8:4], axis=0)

 

#Individual

alu_fx = np.amax(alu_gups[0:3], axis=0)

alu_xx = np.amax(alu_gups[0:4], axis=0)

hyb_fx = np.amax(alu_gups[4:7], axis=0)

hyb_xx = np.amax(alu_gups[4:8], axis=0)

 

#oversampling & NN

ovs_f1 = alu_gups[8];

ovs_xx = np.amax(alu_gups[8:12], axis=0)

nn_f1 = alu_gups[12];

nn_fx = np.amax(alu_gups[12:15], axis=0)

#nn_hx = np.amax(alu_gups[15], axis=0)

nn_hx = alu_gups[15]

 

# Compute maximum for precise and approximate modes

plin = np.amax([lin_f1, lin_f2, lin_f4, plin_tex], axis=0)

alin = np.amax([plin, lin_h4, ovs_xx, alin_tex], axis=0)

pnn = np.amax([nn_fx, pnn_tex], axis=0)

ann = np.amax([pnn, nn_hx, ann_tex], axis=0)

 

# Single-slice mode

plin_slice = np.amax([tex_f1, lin_f1], axis=0)

alin_slice = np.amax([plin_slice, ovs_f1], axis=0)

pnn_slice = np.amax([tex_f1, nn_f1], axis=0)

ann_slice = pnn_slice

 

 

# Compute speed-up

#def speedup(x): return (x - std) / std

def speedup(x): return x / std

 

#print speedup(plin)

#print speedup(alin)

 

N = len(data[0])

idx = np.arange(N)

idx = np.fliplr([idx])[0]

 

#print idx

 

bar_width = 1.0

bar_gap = 0.2

group_gap = 0.6

 

mult = 2 * bar_width + bar_gap + group_gap;

 

fig, (p) = plt.subplots(1, 1)

 

#p_atex = p.barh(mult * idx + 2 * (bar_width + bar_gap), speedup(atex), bar_width, color=colors[1], edgecolor='black')

#p_ptex = p.barh(mult * idx + 2 * (bar_width + bar_gap), speedup(ptex), bar_width, color=colors[0], edgecolor='black')

 

idx = idx + 0.3

p_alin = p.barh(mult * idx + bar_width + bar_gap, speedup(alin), bar_width, hatch="", color=colors2[4], edgecolor='black')

p_plin = p.barh(mult * idx + bar_width + bar_gap, speedup(plin), bar_width, hatch="", color=colors2[3], edgecolor='black')

p_plin_alu = p.barh(mult * idx + bar_width + bar_gap, speedup(alu_fx), bar_width, hatch="", color=colors2[2], edgecolor='black')

p_plin_tex = p.barh(mult * idx + bar_width + bar_gap, speedup(plin_tex), bar_width, hatch="", color=colors2[1], edgecolor='black')

p_plin_simple = p.barh(mult * idx + bar_width + bar_gap, speedup(lin_simple), bar_width, hatch="", color=colors2[0], edgecolor='black')

p_plin_white = p.barh(mult * idx + bar_width + bar_gap, speedup(std), bar_width, hatch="", color="white", edgecolor='black')

p_plin_col5 = p.barh(mult * idx + bar_width + bar_gap, speedup(std), bar_width, hatch="", color=colors2[5], edgecolor='black')

 

 

p_ann = p.barh(mult * idx, speedup(ann), bar_width, hatch='\\\\', color=colors2[5], edgecolor='black')

p_pnn = p.barh(mult * idx, speedup(pnn), bar_width, hatch='\\\\', color=colors2[3], edgecolor='black')

p_pnn_alu = p.barh(mult * idx, speedup(nn_fx), bar_width, hatch='\\\\', color=colors2[2], edgecolor='black')

p_pnn_tex = p.barh(mult * idx, speedup(pnn_tex), bar_width, hatch='\\\\', color=colors2[1], edgecolor='black')

p_pnn_simple = p.barh(mult * idx, speedup(nn_simple), bar_width, hatch='\\\\', color=colors2[0], edgecolor='black')

p_pnn_white = p.barh(mult * idx, speedup(std), bar_width, hatch='\\\\', color="white", edgecolor='black')

 

ax = plt.gca()

ax.xaxis.grid(alpha=0.25)

plt.xticks(np.arange(1,8.1,0.5))

plt.yticks(mult * (idx - 0.17) + bar_width + bar_gap/2, titles)

 

plt.xlabel("speedup (times)")

plt.xlim(1, 8.0)

plt.ylim(0, 9*mult)# - group_gap)

 

legend2 = p.legend(

    (p_plin_white[0], p_pnn_white[0]),

    ("Linear", "Nearest"),

    loc='right lower', bbox_to_anchor=(1.24,0.5), ncol=1)

 

legend = p.legend(

    (p_plin_simple[0], p_plin_tex[0], p_plin_alu[0], p_plin[0], p_alin[0], p_plin_col5), 

    ("Re-mapped", "Multi-slice", "ALU-based", "Hybrid", "Oversampling", "Half-Precision"), 

    loc='right upper', bbox_to_anchor=(1.32,1.02), ncol=1)

 

#legend = p.legend(

#    (p_plin_simple[0], p_pnn_simple[0], p_plin_tex[0], p_pnn_tex[0], p_plin_alu[0], p_pnn_alu[0], p_plin[0], p_pnn[0], p_alin[0], p_ann[0]), 

#    ("Single", "Single",

#     "Multi-slice", "Multi-slice",

#     "ALU-based", "ALU-based", 

#     "Hybrid", "Hybrid",

#     "Oversampling", "Half-precision"), 

#    loc='upper center', bbox_to_anchor=(0.5,-0.3), ncol=3)

 

plt.gca().add_artist(legend2)

 

 

 

plt.savefig('speedup.png', dpi=300, bbox_inches='tight', bbox_extra_artists=(legend,))

plt.close()