CN109684144B - 一种gpu-box系统测试的方法及装置 - Google Patents

一种gpu-box系统测试的方法及装置 Download PDF

Info

Publication number
CN109684144B
CN109684144B CN201811602032.3A CN201811602032A CN109684144B CN 109684144 B CN109684144 B CN 109684144B CN 201811602032 A CN201811602032 A CN 201811602032A CN 109684144 B CN109684144 B CN 109684144B
Authority
CN
China
Prior art keywords
gpu
test
box system
box
bandwidth
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811602032.3A
Other languages
English (en)
Other versions
CN109684144A (zh
Inventor
白云峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou Yunhai Information Technology Co Ltd
Original Assignee
Zhengzhou Yunhai Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhengzhou Yunhai Information Technology Co Ltd filed Critical Zhengzhou Yunhai Information Technology Co Ltd
Priority to CN201811602032.3A priority Critical patent/CN109684144B/zh
Publication of CN109684144A publication Critical patent/CN109684144A/zh
Application granted granted Critical
Publication of CN109684144B publication Critical patent/CN109684144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G06F11/2236—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test CPU or processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2273—Test methods

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明为了现有技术中存在的问题，创新提出一种GPU‑BOX系统测试的方法，包括：配置GPU‑BOX系统，进行GPU带宽检查；对GPU‑BOX系统进行性能测试；对GPU‑BOX系统进行整机功耗测试，还创新提出一种GPU‑BOX系统测试的装置，本发明技术方案弥补和完善了服务器GPU‑BOX系统的性能测试，大大提升GPU‑BOX系统测试效率和稳定性，为GPU‑BOX系统提供了一种高效测试验证和评价体系，给人工智能领域GPU‑BOX系统测试带来一种新的方案，可以对GPU系统进行全面、系统、有效的评价。

Description

一种GPU-BOX系统测试的方法及装置
技术领域
本发明涉及系统测试领域，尤其是涉及一种GPU-BOX系统测试的方法及装置。
背景技术
人工智能都在当前世界的在线服务领域发挥着越来越重要的作用，在谷歌、Facebook、微软和百度这些公司内部，GPU在“深度学习”领域发挥着巨大的作用，因为GPU可以平行处理大量琐碎信息。深度学习所依赖的是神经系统网络——与人类大脑神经高度相似的网络——而这种网络出现的目的，就是要在高速的状态下分析海量的数据。而且相比于CPU，GPU的另一大优势，就是它对能源的需求远远低于CPU。然而目前为止，当这些公司推出深度学习服务的时候，驱动应用的依然是数据中心系统中的CPU。当前深度学习应用依然依赖CPU，是因为GPU只有在收到大量数据的情况下才能发挥效用。而驱动智能手机应用的数据中心服务器软件并不会以这种方式向芯片输入数据。一般情况下，当手机应用的请求到达的时候，服务器会一次处理一个请求。当请求到达数据中心的时候，你使用GPU来拆分处理每一条请求，那么GPU的运行效率就会收到极大的影响，GPU甚至会无法正常运行。如果能够在执行阶段不断的将数据发送给GPU，那么它将会发挥比CPU高的多的效率。在开发新人工智能平台中，当请求涌入数据中心的时候，它将会把多条请求进行打包处理，当达到一定的体积之后，再将其一同发送给GPU。这样就无需让GPU一次只处理一条请求，而是让它同时处理多个请求。这样做能够更好的发挥GPU的效率。
如今计算机正在大量使用深度学习技术，不仅仅是识别照片、语音、翻译文字、优化搜索结果，而且其他一些公司还在将深度学习技术与广告投递、计算机安全进行整合，甚至使用深度学习技术让计算机来理解人类的正常语义。
但是对于目前深度学习领域，GPU系统的评价测试缺乏一些有效的方法和手段，通过对服务器GPU-BOX系统进行单一的测试，无法实现GPU系统的性能全面而有效的评价。
发明内容
本发明为了解决现有技术中存在的问题，创新提出了一种GPU-BOX系统测试的方法及装置，可以对GPU系统进行全面、系统、有效的评价。
本发明第一方面提供了一种GPU-BOX系统测试的方法，包括：
配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；
检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；
将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
结合第一方面，在第一方面第一种可能的实现方式中，所述配置GPU-BOX系统，进行GPU带宽检查具体包括：
红帽系统下修改/boot/grub.conf配置文件，禁用图形界面；
使用循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；
查看带宽信息是否为x16，如果带宽不是x16，检查PICE插槽和GPU之间的连接，确认其带宽为x16后，重新使用循环lspci命令抓取BOX里面的全部GPU并获得带宽信息。
结合第一方面，在第一方面第二种可能的实现方式中，所述检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数具体是：
通过循环lspci命令检查GPU数量及Vbios的版本；
获取GPU-BOX系统性能测试中端对端测试过程中的测试指标参数，并查看测试指标参数是否符合性能测试中的压力测试标准，如果符合压力测试标准则继续进行后续压力测试，如果不满足，说明硬件系统本身存在问题，结束测试。
结合第一方面，在第一方面第三种可能的实现方式中，所述测试指标参数包括连通性测试性能指标以及带宽初试性能指标。
结合第一方面，在第一方面第四种可能的实现方式中，所述压力测试具体包括：
依次对带宽进行thermal测试、品质测试、GPU带宽测试。
结合第一方面，在第一方面第五种可能的实现方式中，所述thermal测试(热测试)包括冷却环境、MODS(显卡测试工具)热试验、热负荷、空气温度测量测试。
结合第一方面，在第一方面第六种可能的实现方式中，所述将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试具体是：
将BOX连接到服务器，在服务器端进行系统加压；
执行硬盘读写操作及处理器读写操作；
GPU-BOX系统将系统整机功耗测试数据上传至RMC，RMC每间隔时间T抓取功耗数据一次。
结合第一方面，在第一方面第七种可能的实现方式中，所述间隔时间T范围为60s-180s。
结合第一方面，在第一方面第八种可能的实现方式中，所述间隔时间T为120s。
本发明第二方面提供了一种GPU-BOX系统测试的装置，包括：
配置检查模块，配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；
性能测试模块，检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；
整机功耗测试模块，将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
本发明采用的技术方案包括以下技术效果：
本发明为了现有技术中存在的问题，创新提出一种GPU-BOX系统测试的方法，包括：配置GPU-BOX系统，进行GPU带宽检查；对GPU-BOX系统进行性能测试；对GPU-BOX系统进行整机功耗测试，还创新提出一种GPU-BOX系统测试的装置，本发明技术方案弥补和完善了服务器GPU-BOX系统的性能测试，大大提升GPU-BOX系统测试效率和稳定性，为GPU-BOX系统提供了一种高效测试验证和评价体系，给人工智能领域GPU-BOX系统测试带来一种新的方案，可以对GPU系统进行全面、系统、有效的评价。
应当理解的是以上的一般描述以及后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
为了更清楚说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见的，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方案中一种GPU-BOX系统测试的方法实施例一的流程示意图；
图2为本发明方案中一种GPU-BOX系统测试的方法实施例二的流程示意图；
图3为本发明方案中一种GPU-BOX系统测试的方法实施例三的流程示意图；
图4为本发明方案中一种GPU-BOX系统测试的方法实施例四的流程示意图；
图5为本发明方案中一种GPU-BOX系统测试的方法实施例五的流程示意图；
图6为本发明方案中一种GPU-BOX系统测试的装置实施例六的结构示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
如图1所示，本发明提供了一种GPU-BOX系统测试的方法，包括：
S1，配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；
S2，检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；
S3，将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
实施例二
如图2所示，步骤S1中，配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息具体包括：
S11，红帽系统下修改/boot/grub.conf配置文件，禁用图形界面；
S12，使用循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；
S13，查看带宽信息是否为x16，如果判断结果为是，则执行步骤S14，如果判断结果为否，则执行步骤S15；
S14，继续进行下一步性能测试；
S15，检查PICE插槽和GPU之间的连接，确认其带宽为x16后，重新执行步骤S12。
其中，步骤S11中，禁用图形界面具体是将内核参数“intel_iommu”由开启修改为关闭，具体命令为：“intel_iommu＝on amd_iommu＝on”修改成“intel_iommu＝off amd_iommu＝off”。系统自带的nouveau驱动与官方驱动有冲突，因此在步骤S12之前还需要卸载红帽系统自带的nouveau驱动并重启红帽系统。
实施例三
如图3所示，步骤S2中，检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数具体包括：
S21，通过循环lspci命令检查GPU数量及Vbios的版本；
S22，获取GPU-BOX系统性能测试中端对端测试过程中的测试指标参数，并查看测试指标参数是否符合性能测试中的压力测试标准，如果判断结果为是，则执行步骤S23；如果判断结果为否，则执行步骤S24；
S23，继续进行后续压力测试；
S24，说明硬件系统本身存在问题，结束测试。
在步骤S21进行之前还需要安装测试工具NVQual，并利用测试工具NVQual中的CUDA测试工具对GPU-BOX系统进行端对端测试(指2个GPU-BOX系统中的GPU进行对跑，查看对跑过程中各项性能指标)，最后如果测试指标参数符合性能测试中的压力测试标准，则运行NVQual测试工具进行压力测试。测试指标参数包括连通性测试性能指标以及带宽初试性能指标。
其中，测试工具NVQual安装具体是：首先复制并解压测试工具到系统根目录，然后修改系统时间，以便查看生成系统生产的日志，最后完成测试工具NVQual安装。
其中在步骤S24中，硬件系统本身存在问题，则需要等到硬件系统问题解决后再进行测试。
实施例四
如图4所示，步骤S23中继续进行后续压力测试具体包括：
S231，使用NVQual测试工具中的热力测试工具对带宽进行thermal测试；
S232，使用NVQual测试工具中的品质测试工具对带宽进行品质测试；
S233，使用NVQual测试工具中的带宽测试工具进行GPU带宽测试。
其中在步骤S231中，thermal测试包含冷却环境、MODS热试验、热负荷、空气温度测量测试。
实施例五
如图5所示，本发明提供了一种GPU-BOX系统测试的方法中步骤S3具体包括：
S31，将BOX连接到服务器，在服务器端进行系统加压；
S32，执行硬盘读写操作及处理器读写操作；
S33，GPU-BOX系统将系统整机功耗上传至RMC，RMC每间隔时间T抓取功耗数据一次。
其中，在步骤S33中，GPU-BOX系统与RMC有通信连接，相关信息自动上传到RMC，RMC可以实时获取，间隔时间T范围为60s-180s，最佳间隔时间T为120s。
实施例六
如图6所示，本发明技术方案还提供了一种GPU-BOX系统测试的装置，包括：
配置检查模块101，配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；
性能测试模块102，检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；
整机功耗测试模块103，将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种GPU-BOX系统测试的方法，其特征是，包括：
配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；其中，所述配置GPU-BOX系统，进行GPU带宽检查具体包括：红帽系统下修改/boot/grub.conf配置文件，禁用图形界面；循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；查看带宽信息是否为x16，如果带宽不是x16，检查PICE插槽和GPU之间的连接，确认其带宽为x16后，重新使用循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；
检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；其中，所述检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数具体是：通过循环lspci命令检查GPU数量及Vbios的版本；获取GPU-BOX系统性能测试中端对端测试过程中的测试指标参数，并查看测试指标参数是否符合性能测试中的压力测试标准，如果符合压力测试标准则继续进行后续压力测试，如果不满足，说明硬件系统本身存在问题，结束测试；
将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
2.根据权利要求1所述的GPU-BOX系统测试的方法，其特征是，所述测试指标参数包括连通性测试性能指标以及带宽初试性能指标。
3.根据权利要求1所述的GPU-BOX系统测试的方法，其特征是，所述压力测试具体包括：
依次对带宽进行thermal测试、品质测试、GPU带宽测试。
4.根据权利要求3所述的GPU-BOX系统测试的方法，其特征是，所述thermal测试包括冷却环境、MODS热试验、热负荷、空气温度测量测试。
5.根据权利要求1所述的GPU-BOX系统测试的方法，其特征是，所述将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试具体是：
将BOX连接到服务器，在服务器端进行系统加压；
执行硬盘读写操作及处理器读写操作；
GPU-BOX系统将系统整机功耗测试数据上传至RMC，RMC每间隔时间T抓取功耗数据一次。
6.根据权利要求5所述的GPU-BOX系统测试的方法，其特征是，所述间隔时间T范围为60s-180s。
7.根据权利要求6所述的GPU-BOX系统测试的方法，其特征是，所述间隔时间T为120s。
8.一种GPU-BOX系统测试的装置，其特征是，包括：
配置检查模块，配置GPU-BOX系统，进行GPU带宽检查，获取带宽信息；其中，所述配置GPU-BOX系统，进行GPU带宽检查具体包括：红帽系统下修改/boot/grub.conf配置文件，禁用图形界面；循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；查看带宽信息是否为x16，如果带宽不是x16，检查PICE插槽和GPU之间的连接，确认其带宽为x16后，重新使用循环lspci命令抓取BOX里面的全部GPU并获得带宽信息；
性能测试模块，检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数；其中，所述检查GPU数量及Vbios的版本，并获取GPU-BOX系统性能测试过程中的测试指标参数具体是：通过循环lspci命令检查GPU数量及Vbios的版本；获取GPU-BOX系统性能测试中端对端测试过程中的测试指标参数，并查看测试指标参数是否符合性能测试中的压力测试标准，如果符合压力测试标准则继续进行后续压力测试，如果不满足，说明硬件系统本身存在问题，结束测试；
整机功耗测试模块，将BOX连接到服务器，在服务器端进行系统加压，对GPU-BOX系统进行整机功耗测试。
CN201811602032.3A 2018-12-26 2018-12-26 一种gpu-box系统测试的方法及装置 Active CN109684144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811602032.3A CN109684144B (zh) 2018-12-26 2018-12-26 一种gpu-box系统测试的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811602032.3A CN109684144B (zh) 2018-12-26 2018-12-26 一种gpu-box系统测试的方法及装置

Publications (2)

Publication Number Publication Date
CN109684144A CN109684144A (zh) 2019-04-26
CN109684144B true CN109684144B (zh) 2021-11-02

Family

ID=66188448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811602032.3A Active CN109684144B (zh) 2018-12-26 2018-12-26 一种gpu-box系统测试的方法及装置

Country Status (1)

Country Link
CN (1) CN109684144B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502399B (zh) * 2019-08-23 2023-09-01 广东浪潮大数据研究有限公司 故障检测方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103999128A (zh) * 2011-12-15 2014-08-20 高通股份有限公司 具有命令处理器的图形处理单元
CN104268046A (zh) * 2014-10-17 2015-01-07 浪潮电子信息产业股份有限公司 一种Linux下人工交互的NVIDIA GPU自动化测试方法
CN104461849A (zh) * 2014-12-08 2015-03-25 东南大学 一种移动处理器上cpu与gpu软件功耗测量方法
CN106649014A (zh) * 2016-12-28 2017-05-10 郑州云海信息技术有限公司 一种支持多gpu的计算型服务器的自动测试方法
CN107193698A (zh) * 2017-05-17 2017-09-22 郑州云海信息技术有限公司 一种快速验证pci‑e槽位稳定性的方法
CN107423183A (zh) * 2017-04-25 2017-12-01 郑州云海信息技术有限公司 一种gtx系列显卡计算性能的加压测试方法
CN107590037A (zh) * 2017-08-29 2018-01-16 郑州云海信息技术有限公司 一种对服务器gpu进行edpp测试的方法
CN107832177A (zh) * 2017-11-20 2018-03-23 郑州云海信息技术有限公司 一种多gpu系统的edp测试方法、系统、设备及存储介质
CN109002591A (zh) * 2018-06-26 2018-12-14 郑州云海信息技术有限公司 一种从服务器主板端调整PCIe拓扑的方法和系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8749541B2 (en) * 2012-04-05 2014-06-10 Apple Inc. Decreasing power consumption in display devices
US9558094B2 (en) * 2014-05-12 2017-01-31 Palo Alto Research Center Incorporated System and method for selecting useful smart kernels for general-purpose GPU computing

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103999128A (zh) * 2011-12-15 2014-08-20 高通股份有限公司 具有命令处理器的图形处理单元
CN104268046A (zh) * 2014-10-17 2015-01-07 浪潮电子信息产业股份有限公司 一种Linux下人工交互的NVIDIA GPU自动化测试方法
CN104461849A (zh) * 2014-12-08 2015-03-25 东南大学 一种移动处理器上cpu与gpu软件功耗测量方法
CN106649014A (zh) * 2016-12-28 2017-05-10 郑州云海信息技术有限公司 一种支持多gpu的计算型服务器的自动测试方法
CN107423183A (zh) * 2017-04-25 2017-12-01 郑州云海信息技术有限公司 一种gtx系列显卡计算性能的加压测试方法
CN107193698A (zh) * 2017-05-17 2017-09-22 郑州云海信息技术有限公司 一种快速验证pci‑e槽位稳定性的方法
CN107590037A (zh) * 2017-08-29 2018-01-16 郑州云海信息技术有限公司 一种对服务器gpu进行edpp测试的方法
CN107832177A (zh) * 2017-11-20 2018-03-23 郑州云海信息技术有限公司 一种多gpu系统的edp测试方法、系统、设备及存储介质
CN109002591A (zh) * 2018-06-26 2018-12-14 郑州云海信息技术有限公司 一种从服务器主板端调整PCIe拓扑的方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi2Sim: A simulation framework for CPU-GPU computing;Rafael Ubal ET AL;《2012 21st International Conference on Parallel Architectures and Compilation Techniques (PACT)》;20170206;全文 *
基于混合架构的FMM算法硬件加速;曹旻等;《计算机工程》;20120831;第38卷(第16期);全文 *

Also Published As

Publication number Publication date
CN109684144A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN111737127B (zh) 用于测试地图服务的方法和装置
CN108768730B (zh) 用于操作智能网卡的方法和装置
US9197629B2 (en) Remote direct memory access authentication of a device
US10535371B2 (en) Speaker segmentation and clustering for video summarization
CN108459850B (zh) 生成测试脚本的方法、装置及系统
CN110750458A (zh) 大数据平台测试方法、装置、可读存储介质及电子设备
JP2022003388A (ja) 車載機器の応答速度を試験する方法、装置、機器及び記憶媒体
CN109462517A (zh) 一种面向数字电网业务的数据监测的方法、系统及设备
CN109254922A (zh) 一种服务器BMC Redfish功能的自动化测试方法及装置
US20180314920A1 (en) Unification of classifier models across device platforms
CN109684144B (zh) 一种gpu-box系统测试的方法及装置
CN107395456A (zh) 分布式文件系统流直存测试方法及平台
US9002847B2 (en) Identifying an auto-complete communication pattern
CN117370088A (zh) 一种国产异构平台人工智能加速卡的性能测试方法及系统
CN109688180B (zh) 一种基于镜像的云服务软件升级方法和装置
CN101883019A (zh) 一种验证存储服务器是否满足视频应用的测试方法
US10212036B2 (en) Performance testing method, performance testing apparatus performing the same and storage medium storing the same
US20220058530A1 (en) Method and device for optimizing deep learning model conversion, and storage medium
CN112714163B (zh) 数据传输方法、装置、电子设备和介质
CN112069022B (zh) 一种npu型服务器功耗测试方法及系统
CN114840421A (zh) 日志数据处理方法及装置
US10922249B2 (en) Input/output control code filter
CN113744724A (zh) 一种语音转换方法、装置、设备及存储介质
CN110688301B (zh) 服务器测试方法、装置、存储介质及计算机设备
CN105700916B (zh) 应用进程启动方法及应用进程启动装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant