CN110109813A - 用于gpu性能的信息确定方法、装置、终端及存储介质 - Google Patents

用于gpu性能的信息确定方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN110109813A
CN110109813A CN201910393055.6A CN201910393055A CN110109813A CN 110109813 A CN110109813 A CN 110109813A CN 201910393055 A CN201910393055 A CN 201910393055A CN 110109813 A CN110109813 A CN 110109813A
Authority
CN
China
Prior art keywords
gpu
performance parameter
parameter
performance
ratio
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.)
Granted
Application number
CN201910393055.6A
Other languages
English (en)
Other versions
CN110109813B (zh
Inventor
张新杰
贾宜彬
张志勇
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN201910393055.6A priority Critical patent/CN110109813B/zh
Publication of CN110109813A publication Critical patent/CN110109813A/zh
Application granted granted Critical
Publication of CN110109813B publication Critical patent/CN110109813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本公开公开了一种用于GPU性能的信息确定方法、装置及存储介质，属于计算机技术领域。所述方法包括：根据GPU的运行参数，确定GPU的整体性能参数；当根据整体性能参数，确定GPU的性能存在限制因素，根据整体性能参数中至少一方面的性能参数，确定GPU的限制因素类型。本公开根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。

Description

用于GPU性能的信息确定方法、装置、终端及存储介质
技术领域
本公开涉及计算机技术领域，特别涉及一种用于GPU性能的信息确定方法、装置、终端及存储介质。
背景技术
GPU(Graphics Processing Unit，图形处理器)为应用在笔记本电脑、游戏机、智能手机等终端上进行处理图像的微处理器。与CPU(Central Processing Unit，中央处理器)类似，GPU具有较强的图像处理能力，可为机器学习、深度学习提供计算支持。然而，如果GPU在运行过程中性能出现限制因素时，GPU的处理能力将大大下降。因此，有必要确定出影响GPU性能的信息，从而及时采取措施对GPU的性能进行改进。
目前，相关技术在确定GPU性能的信息时，主要采用如下方法：获取显存带宽、显示核心使用率及计算空闲率；根据显存带宽、显示核心使用率及计算空闲率，采用人工方式确定出GPU的性能存在限制因素及限制因素类型。
然而，由于所获取的参数有限，且技术人员的技术水平和经验不足，使得所确定的GPU的限制因素类型不够准确，进而导致对GPU的性能改进效果不佳。
发明内容
为了解决相关技术的问题，本公开实施例提供了一种用于GPU性能的信息确定方法、装置、终端及存储介质。所述技术方案如下：
一方面，提供了一种用于GPU性能的信息确定方法，所述方法包括：
获取图形处理器GPU的运行参数，所述运行参数由设置于所述GPU不同位置的传感器采集得到；
根据所述运行参数，确定所述GPU的整体性能参数，所述整体性能参数用于表征所述GPU在不同方面的性能；
根据所述整体性能参数，确定所述GPU的性能是否存在限制因素；
当所述GPU的性能存在限制因素，根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型。
在本公开的另一个实施例中，所述根据所述运行参数，确定所述GPU的整体性能参数，包括：
根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数；
获取所述GPU的功耗比，所述功耗比为所述GPU的电源使用量与所述GPU的额定功率之间的比值；
将所述逻辑计算性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比的最大值，确定为所述整体性能参数。
在本公开的另一个实施例中，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取所述GPU的内核运行时间百分比，所述内核运行时间百分比为所述GPU上一个或多个内核的运行时间在历史时间段中所占的百分比；
获取SM(System Management，总线控制器)时钟频率比值，所述SM时钟频率比值为SM的当前时钟频率与SM的最大时钟频率之间的比值；
获取图像时钟频率比值，所述图像时钟频率比值为当前图像的时钟频率与图像的最大时钟频率之间的比值；
将所述内核运行时间百分比、所述SM时钟频率比值及所述图像时钟频率比值的最大值，确定为所述逻辑计算性能参数。
在本公开的另一个实施例中，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取编码器的当前编码参数，所述当前编码参数包括编码器的当前利用率和采样值；
获取解码器的当前解码参数，所述解码参数包括解码器的当前利用率和采样值；
将所述当前编码参数和所述当前解码参数的最大值，确定为所述编解码性能参数。
在本公开的另一个实施例中，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取所述GPU的内存占用比，所述内存占用量为所述GPU的可用内存量与所述GPU的总内存量之间的比值；
获取所述GPU的映射访问比，所述映射访问比为所述GPU映射到系统后，中央处理器CPU或第三方设备访问所述GPU的已用访问量与总访问量之间的比值；
获取所述GPU的读写时间百分比，所述读写时间百分比为历史时间段内读取或写入所述GPU内存的时间百分比；
获取显存时钟频率比值，所述显存时钟频率比值为显存的当前时钟频率与最大时钟频率之间的比值；
将所述内存占用比、所述映射访问比、所述读写时间百分比及所述显存时钟频率比值的最大值，确定为所述存储与交互性能参数。
在本公开我的另一个实施例中，所述根据所述整体性能参数，确定所述GPU的性能是否存在限制因素，包括：
当所述整体性能参数大于第一阈值时，确定所述GPU的性能存在限制因素。
在本公开的另一个实施例中，所述根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型，包括：
根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型。
在本公开的另一个实施例中，所述根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型，包括：
当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数为所述内核运行时间百分比，且所述SM时钟频率比值大于第二阈值时，确定所述GPU中的限制因素类型为硬件类型；
当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数为所述SM时钟频率比值，且所述内核运行时间百分比大于所述第二阈值时，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数等于所述图像时钟频率比值，且所述编解码性能参数非零时，确定所述GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，所述根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型，包括：
当所述整体性能参数为所述编解码性能参数，所述编解码性能参数为所述当前编码参数，且所述功耗比小于第二阈值，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述编解码性能参数，所述编解码性能参数为所述当前解码参数，且所述功耗比小于第二阈值，确定所述GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，所述根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型，包括：
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述内存占用量，且所述内核运行时间百分比小于第二阈值，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述映射访问比，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述读写时间百分比，且所述内核运行时间百分比大于第二阈值，确定所述GPU的限制因素类型为硬件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述显存时钟频率比值，且所述读写时间百分比小于第二阈值，确定所述GPU的限制因素类型为硬件类型。
在本公开的另一个实施例中，所述根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型，包括：
当所述整体性能参数为所述功耗比，确定所述GPU的限制因素类型为硬件类型。
另一方面，提供了一种用于GPU性能的信息确定装置，所述装置包括：
获取模块，用于获取图形处理器GPU的运行参数，所述运行参数由设置于所述GPU不同位置的传感器采集得到；
确定模块，用于根据所述运行参数，确定所述GPU的整体性能参数，所述整体性能参数用于表征所述GPU在不同方面的性能；
所述确定模块，用于根据所述整体性能参数，确定所述GPU的性能是否存在限制因素；
所述确定模块，用于当所述GPU的性能存在限制因素，根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型。
在本公开的另一个实施例中，所述确定模块，用于根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数；获取所述GPU的功耗比，所述功耗比为所述GPU的电源使用量与所述GPU的额定功率之间的比值；将所述逻辑计算性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比的最大值，确定为所述整体性能参数。
在本公开的另一个实施例中，所述确定模块，用于获取所述GPU的内核运行时间百分比，所述内核运行时间百分比为所述GPU上一个或多个内核的运行时间在历史时间段中所占的百分比；获取SM时钟频率比值，所述SM时钟频率比值为SM的当前时钟频率与SM的最大时钟频率之间的比值；获取图像时钟频率比值，所述图像时钟频率比值为当前图像的时钟频率与图像的最大时钟频率之间的比值；将所述内核运行时间百分比、所述SM时钟频率比值及所述图像时钟频率比值的最大值，确定为所述逻辑计算性能参数。
在本公开的另一个实施例中，所述确定模块，用于获取编码器的当前编码参数，所述当前编码参数包括编码器的当前利用率和采样值；获取解码器的当前解码参数，所述解码参数包括解码器的当前利用率和采样值；将所述当前编码参数和所述当前解码参数的最大值，确定为所述编解码性能参数。
在本公开的另一个实施例中，所述确定模块，用于获取所述GPU的内存占用比，所述内存占用量为所述GPU的可用内存量与所述GPU的总内存量之间的比值；获取所述GPU的映射访问比，所述映射访问比为所述GPU映射到系统后，中央处理器CPU或第三方设备访问所述GPU的已用访问量与总访问量之间的比值；获取所述GPU的读写时间百分比，所述读写时间百分比为历史时间段内读取或写入所述GPU内存的时间百分比；获取显存时钟频率比值，所述显存时钟频率比值为显存的当前时钟频率与最大时钟频率之间的比值；将所述内存占用比、所述映射访问比、所述读写时间百分比及所述显存时钟频率比值的最大值，确定为所述存储与交互性能参数。
在本公开的另一个实施例中，所述确定模块，用于当所述整体性能参数大于第一阈值时，确定所述GPU的性能存在限制因素。
在本公开的另一个实施例中，所述确定模块，用于根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型。
在本公开的另一个实施例中，所述确定模块，用于当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数为所述内核运行时间百分比，且所述SM时钟频率比值大于第二阈值时，确定所述GPU中的限制因素类型为硬件类型；
当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数为所述SM时钟频率比值，且所述内核运行时间百分比大于所述第二阈值时，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述逻辑性能参数，所述逻辑计算性能参数等于所述图像时钟频率比值，且所述编解码性能参数非零时，确定所述GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，所述确定模块，用于当所述整体性能参数为所述编解码性能参数，所述编解码性能参数为所述当前编码参数，且所述功耗比小于第二阈值，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述编解码性能参数，所述编解码性能参数为所述当前解码参数，且所述功耗比小于第二阈值，确定所述GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，所述确定模块，用于当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述内存占用量，且所述内核运行时间百分比小于第二阈值，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述映射访问比，确定所述GPU的限制因素类型为软件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述读写时间百分比，且所述内核运行时间百分比大于第二阈值，确定所述GPU的限制因素类型为硬件类型；
当所述整体性能参数为所述存储与交互性能参数，所述存储与交互性能参数为所述显存时钟频率比值，且所述读写时间百分比小于第二阈值，确定所述GPU的限制因素类型为硬件类型。
在本公开的另一个实施例中，所述确定模块，用于当所述整体性能参数为所述功耗比，确定所述GPU的限制因素类型为硬件类型。
另一方面，提供了一种用于GPU性能的信息确定终端，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现用于GPU性能的信息确定方法。
另一方面、提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现用于GPU性能的信息确定方法。
本公开实施例提供的技术方案带来的有益效果是：
根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，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是本公开实施例提供的用于GPU性能的信息确定方法所涉及的实施环境；
图2是本公开实施例提供的用于GPU性能的信息确定方法流程图；
图3是本公开实施例提供的确定GPU的限制因素类型的框图；
图4是本公开实施例提供的确定GPU的限制因素类型的时序图；
图5是本公开实施例提供的用于GPU性能的信息确定装置结构示意图；
图6示出了本公开一个示例性实施例提供的终端的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
本公开实施例提供了一种用于GPU性能的信息确定方法，该方法应用于终端中。该终端可以为智能手机、平板电脑、游戏机、笔记本电脑、台式电脑等设备。参见图1，该终端内设置有多个处理单元，包括SM、GPU、编解码单元等。本公开实施例在确定GPU性能的信息时，主要通过监测这些处理单元，获取GPU的运行参数，进而基于GPU的运行参数，确定出表征GPU在不同方面的性能的整体性能参数，进而基于该整体性能参数，确定出GPU的性能存在限制因素时，进一步确定出GPU的限制因素类型，从而对GPU的性能进行改进。
本公开实施例提供了一种用于GPU性能的信息确定方法，参见图2，本公开实施例提供的方法流程包括：
201、终端获取GPU的运行参数。
为了便于对GPU的运行状态进行监测，在计算机领域，通常会在GPU的不同位置设置传感器，例如，频率传感器、温度传感器、功耗传感器、时间传感器等。基于设置于GPU不同位置的传感器，GPU在运行过程中，可以采集到GPU的运行参数。
其中，GPU的运行参数包括内核运行时间百分比、SM的当前时钟频率、SM的最大时钟频率、当前图像的时钟频率、图像的最大时钟频率、编码器的当前利用率和采样值、解码器的当前利用率和采样值、GPU的可用内存量、GPU的总内存量、GPU映射到系统后中央处理器CPU或第三方设备访问GPU的已用访问量、GPU映射到系统后中央处理器CPU或第三方设备访问GPU的可用访问量、GPU映射到系统后中央处理器CPU或第三方设备访问GPU的总访问量、读写时间百分比、显存的当前时钟频率、显存的最大时钟频率、GPU的电源使用量、GPU的额定功率等。
其中，内核运行时间百分比为GPU上一个或多个内核的运行时间在历史时间段中所占的百分比。读写时间百分比为历史时间段内读取或写入GPU内存的时间百分比。
202、终端根据运行参数，确定GPU的整体性能参数。
其中，整体性能参数用于表征GPU在不同方面的性能，例如，可以表征GPU在逻辑计算方面的性能，也可以表征GPU在编解码方面的性能，也可以表征GPU在存储与交互方面的性能，还可以表征GPU在功耗方面的性能。
终端在根据运行参数，确定GPU的整体性能参数时，可采用如下步骤2021～2023：
2021、终端根据运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数。
对于逻辑计算性能参数、编解码性能参数及存储与交互性能参数，下面将分别介绍其具体的确定过程。
逻辑性能参数的确定过程如下：
1、终端获取GPU的内核运行时间百分比。
其中，内核运行时间百分比为GPU上一个或多个内核的运行时间在历史时间段中所占的百分比。
2、终端获取总线控制器SM时钟频率比值。
基于所获取的运行参数，终端获取SM的当前时钟频率与SM的最大时钟频率之间的比值，并将该比值作为SM时钟频率比值。
3、终端获取图像时钟频率比值。
基于所获取的运行参数，终端获取当前图像的时钟频率与图像的最大时钟频率之间的比值，并将获取的比值作为图像时钟频率比值。
4、终端将内核运行时间百分比、SM时钟频率比值及图像时钟频率比值的最大值，确定为逻辑计算性能参数。
基于所确定的内核运行时间百分比、SM时钟频率比值及图像时钟频率比值，终端获取内核运行时间百分比、SM时钟频率比值及图像时钟频率比值的最大值，并将该最大值确定为逻辑计算性能参数。
设定内核运行时间百分比用a表示、SM的当前时钟频率用b表示、SM的最大时钟频率用c表示、当前图像的时钟频率用d表示、图像的最大时钟频率用e表示，则SM时钟频率比值可用b/c表示，图像时钟频率比值可用d/e表示。设定逻辑计算性能参数用A表示，则A＝max{a，b/c，d/e}。
编解码性能参数的确定过程如下：
1、终端获取编码器的当前编码参数。
其中，编码器的当前编码参数包括编码器的当前利用率和采样值。
2、终端获取解码器的当前解码参数。
其中，解码器的当前解码参数包括解码器的当前利用率和采样值。
3、终端将当前编码参数和当前解码参数的最大值，确定为编解码性能参数。
基于所获取的当前编码参数和当前解码参数，终端获取当前编码参数和当前解码参数的最大值，并将该最大值确定为编解码性能参数。
设定编码器的当前编码参数用f表示、解码器的当前解码参数用g表示，编解码性能参数用B表示，则B＝max{f，g}。
存储与交互性能参数的确定过程如下：
1、终端获取GPU的内存占用比。
基于所获取的运行参数，终端获取内存占用量为GPU的可用内存量与GPU的总内存量之间的比值，并将该比值作为GPU的内存占用比。
2、终端获取GPU的映射访问比。
基于所获取的运行参数，终端获取GPU映射到系统后CPU或第三方设备访问GPU的已用访问量与总访问量之间的比值，并将该比值作为GPU的映射访问比。
3、终端获取GPU的读写时间百分比。
其中，读写时间百分比为历史时间段内读取或写入GPU内存的时间百分比。
4、终端获取显存时钟频率比值。
基于所获取的运行参数，终端获取显存的当前时钟频率与最大时钟频率之间的比值，并将该比值作为显存时钟频率比值。
5、终端将内存占用比、映射访问比、读写时间百分比及显存时钟频率比值的最大值，确定为存储与交互性能参数。
基于所确定的内存占用比、映射访问比、读写时间百分比及显存时钟频率比值，终端获取内存占用比、映射访问比、读写时间百分比及显存时钟频率比值的最大值，并将该最大值确定为存储与交互性能参数。
设定GPU的可用内存量用i表示、GPU的总内存量用j表示、GPU映射到系统后CPU或第三方设备访问GPU的已用访问量用k表示、GPU映射到系统后CPU或第三方设备访问GPU的总访问量用m表示、读写时间百分比用n表示、显存的当前时钟频率用o表示、显存的最大时钟频率用p表示，则GPU的内存占用比可用i/j表示，GPU的映射访问比可用k/m表示，显存时钟频率比值可用o/p表示。设定存储与交互性能参数用C表示，则C＝max{i/j，k/m，n，o/p}。
2022、终端获取GPU的功耗比。
基于所获取的运行参数，终端获取GPU的电源使用量与GPU的额定功率之间的比值，并将该比值作为GPU的功耗比。
设定GPU的电源使用量用q表示，GPU的额定功率用r表示，GPU的功耗比用C表示，则C＝q/r。
2023、终端将逻辑计算性能参数、编解码性能参数、存储与交互性能参数及功耗比的最大值，确定为整体性能参数。
基于所确定的逻辑计算性能参数、编解码性能参数、存储与交互性能参数及功耗比，终端获取逻辑计算性能参数、编解码性能参数、存储与交互性能参数及功耗比的最大值，并将该最大值确定为整体性能参数。
203、终端根据整体性能参数，确定GPU的性能是否存在限制因素。
终端将整体性能参数与第三阈值进行比较，当整体性能参数小于第三阈值时，确定GPU的性能不存在限制因素；当整体性能参数大于第三阈值时，终端将整体性能参数与第一阈值进行比较，当整体性能参数小于第一阈值时，确定GPU的性能接近使用限制因素，并提示技术人员关注GPU的性能；当整体性能参数大于第一阈值时，确定GPU的性能存在限制因素。其中，第一阈值、第三阈值可由技术人员进行设置，该第三阈值可以为0.7、0.8等，该第一阈值可以为0.9、0.95等。本公开实施例以第三阈值为0.8，第一阈值为0.95为例进行说明。
204、当GPU的性能存在限制因素，终端根据整体性能参数中至少一方面的性能参数，确定GPU的限制因素类型。
其中，限制因素类型包括硬件类型和软件类型。
终端根据整体性能参数中至少一方面的性能参数，确定GPU的限制因素类型时，可根据整体性能参数中的逻辑性能参数、编解码性能参数、存储与交互性能参数及功耗比，确定GPU的限制因素类型。具体地，可包括以下几种情况：
第一种情况、终端根据整体性能参数中的逻辑性能参数和编解码性能参数，确定GPU的限制因素类型。
在本公开的一个实施例中，当整体性能参数为逻辑性能参数，逻辑计算性能参数为内核运行时间百分比，且SM时钟频率比值大于第二阈值时，终端确定GPU中的限制因素为计算单元，限制因素类型为硬件类型。其中，第二阈值可由技术人员进行设置，该第二阈值可以为0.8、0.85等。本公开实施例以第二阈值为0.8为例进行说明。
在本公开的一个实施例中，当整体性能参数为逻辑性能参数，逻辑计算性能参数为SM时钟频率比值，且内核运行时间百分比大于第二阈值时，终端确定GPU中的限制因素为SM频率，限制因素类型为软件类型。
在本公开的一个实施例中，当整体性能参数为逻辑性能参数，逻辑计算性能参数等于图像时钟频率比值，且编解码性能参数非零时，终端确定GPU的限制因素为代码，限制因素类型为软件类型。
第二种情况、终端根据整体性能参数中的编解码性能参数和功耗比，确定GPU的限制因素类型。
在本公开的一个实施例中，当整体性能参数为编解码性能参数，编解码性能参数为当前编码参数，且功耗比小于第二阈值，终端确定GPU的限制因素为编码程序，限制因素类型为软件类型。
在本公开的另一个实施例中，当整体性能参数为编解码性能参数，编解码性能参数为当前解码参数，且功耗比小于第二阈值，终端确定GPU的限制因素为解码程序，限制因素类型为软件类型。
第三种情况、终端根据整体性能参数中的交互性能参数确定GPU的限制因素类型。
在本公开的一个实施例中，当整体性能参数为存储与交互性能参数，存储与交互性能参数为内存占用量，且内核运行时间百分比小于第二阈值，终端确定GPU的限制因素为batch size尺寸，限制因素类型为软件类型。
在本公开的另一个实施例中，当整体性能参数为存储与交互性能参数，存储与交互性能参数为映射访问比，终端确定GPU的限制因素为与第三方传输数据较大，限制因素类型为软件类型。
在本公开的另一个实施例中，当整体性能参数为存储与交互性能参数，存储与交互性能参数为读写时间百分比，且内核运行时间百分比大于第二阈值，终端确定GPU的限制因素为GPU的配置较低，限制因素类型为硬件类型。
在本公开的另一个实施例中，当整体性能参数为存储与交互性能参数，存储与交互性能参数为显存时钟频率比值，且读写时间百分比小于第二阈值，终端确定GPU的限制因素为显示频率低，限制因素类型为硬件类型。
第四种情况、终端根据整体性能参数中的功耗比，确定GPU的限制因素类型。
当整体性能参数为功耗比，终端确定GPU的硬件使用频率较高，限制因素类型为硬件类型。
基于上述步骤201～204所确定的GPU的限制因素类型，为了提高GPU的运行性能，本公开实施例还将根据GPU的限制因素类型，对GPU的性能进行改进。
终端根据GPU的限制因素类型，对GPU的性能进行改进。例如，当GPU的限制因素为硬件类型中的计算单元，通过对计算单元进行改进，实现对GPU性能的改进；当GPU的限制因素为软件类型中的SM频率，终端需要提示技术人员提高SM频率，通过提高SM频率，实现对GPU性能的改进；当GPU的限制因素为软件类型中的代码，终端需要提示技术人员修改代码，通过对代码进行修改，实现对GPU性能的改进；当GPU的限制因素为软件类型中的编码程序，终端需要提示技术人员修改编码程序，通过对编码程序进行修改，实现对GPU性能的改进；当GPU的限制因素为软件类型中的解码程序，终端需要提示技术人员修改解码程序，通过对解码程序进行修改，实现对GPU性能的改进；当GPU的限制因素为软件类型中的batch size尺寸，终端需要提示技术人员减小batch size尺寸，通过减小batch size尺寸，实现对GPU的性能的改进；当GPU的限制因素为软件类型中的与第三方设备传输数据较大，终端需要提示技术人员减少与第三方设备传输数据量，通过减少与第三方设备传输数据量，实现对GPU性能的改进；当GPU的限制因素为软件类型中的GPU的配置较低，终端可以提示技术人员升级GPU配置，实现对GPU性能的改进；当GPU的限制因素为硬件类型中的显存频率低，终端需要提示技术人员提高显存频率，通过提高显存频率，实现对GPU性能的改进；当GPU的限制因素为硬件使用频率较高，终端可以提示技术人员减少对硬件的使用，通过减少对硬件的使用，实现对GPU的性能的改进。
图3为确定GPU的限制因素类型的框图，参见图3，当获取到整体性能参数D时，终端将整体性能参数D与0.8进行比较，如果整体性能参数D小于0.8，则确定GPU可以正常使用，不存在限制因素；如果整体性能参数D大于0.8，继续将整体性能参数D与0.95进行比较。如果整体性能参数D小于0.95，则确定GPU的性能接近使用上限，需要提示技术人员注意；如果整体性能参数D大于0.95，需要进一步判断。
当整体性能参数D为逻辑计算性能参数，且逻辑计算性能参数为内核运行时间百分比a，且SM时钟频率比值b/c大于0.8，则确定限制因素为计算单元，通过对计算单元进行改进，实现对GPU性能的改进；当整体性能参数D为逻辑计算性能参数，且逻辑计算性能参数为SM时钟频率比值b/c，内核运行时间百分比a大于0.8，则确定限制因素为SM频率，通过提高SM频率，实现对GPU性能的改进；当整体性能参数D为逻辑计算性能参数，且逻辑计算性能参数为图像时钟频率比值d/e，且编解码性能参数B非零，则确定限制因素为代码，通过修改代码，实现对GPU性能的改进。
当整体性能参数D为编解码性能参数B，且编解码性能参数B为当前编码参数f，且功耗比q/r小于0.8，则确定限制因素为编码程序，通过修改编码程序，实现对GPU性能的改进；当整体性能参数D为编解码性能参数B，且编解码性能参数B为当前解码参数g，且功耗比q/r小于0.8，则确定限制因素为解码程序，通过修改解码程序，实现对GPU性能的改进。
当整体性能参数D为存储与交互性能参数C，存储与交互性能参数C为内存占用量i/j，且内核运行时间百分比a小于0.8，确定限制因素为batch size尺寸，通过减小batchsize尺寸，实现对GPU性能的改进；当整体性能参数D为存储与交互性能参数C，存储与交互性能参数C为映射访问比k/m，确定限制因素为与第三方传输数据量，通过减小与第三方传输数据，实现对GPU性能的改进；当整体性能参数D为存储与交互性能参数C，存储与交互性能参数C为读写时间百分比n，且内核运行时间百分比a大于0.8，确定限制因素为GPU配置，通过升级GPU配置，实现对GPU性能的改进；当整体性能参数D为存储与交互性能参数C，存储与交互性能参数C为显存时钟频率比值o/p，且读写时间百分比n小于0.8，确定限制因素为显存频率，通过提高显存频率，实现对GPU性能的改进。
当整体性能参数D为功耗比q/r，确定限制因素为硬件使用频率，通过减少对硬件的使用，实现对GPU性能的改进。
图4为GPU性能改进的时序图，参见图4，在GPU运行过程中，通过设置于GPU不同位置的传感器采集GPU的运行参数，对采集的运行参数进行分析整合，并根据分析整合后的参数，判断GPU的性能是否存在限制因素。如果GPU的性能不存在限制因素，则结束分析过程，并输出目前GPU使用正常，不存在限制因素；如果GPU的性能存在限制因素，基于分析整合后的参数，对所存在的限制因素进行分析。通过对限制因素进行分析，可确定限制因素属于计算单元、存储单元或其他方面(例如，代码、编码程序、解码程序等等)中哪一种，进而基于所确定的限制因素，得到改进GPU性能的具体建议。如果限制因素是硬件方面的问题，则可通过升级硬件配置，以改进GPU的性能；如果限制因素是软件方面的问题，则可通过更改软件代码，以改进GPU的性能。
本公开实施例提供的方法，根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。
参见图5，本公开实施例提供了一种用于GPU性能的信息确定装置，该装置包括：
获取模块501，用于获取图形处理器GPU的运行参数，运行参数由设置于GPU不同位置的传感器采集得到；
确定模块502，用于根据运行参数，确定GPU的整体性能参数，整体性能参数用于表征GPU在不同方面的性能；
确定模块502，用于根据整体性能参数，确定GPU的性能是否存在限制因素；
确定模块502，用于当GPU的性能存在限制因素，根据整体性能参数中至少一方面的性能参数，确定GPU的限制因素类型。
在本公开的另一个实施例中，确定模块502，用于根据运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数；获取GPU的功耗比，功耗比为GPU的电源使用量与GPU的额定功率之间的比值；将逻辑计算性能参数、编解码性能参数、存储与交互性能参数及功耗比的最大值，确定为整体性能参数。
在本公开的另一个实施例中，确定模块502，用于获取GPU的内核运行时间百分比，内核运行时间百分比为GPU上一个或多个内核的运行时间在历史时间段中所占的百分比；获取总线控制器SM时钟频率比值，SM时钟频率比值为SM的当前时钟频率与SM的最大时钟频率之间的比值；获取图像时钟频率比值，图像时钟频率比值为当前图像的时钟频率与图像的最大时钟频率之间的比值；将内核运行时间百分比、SM时钟频率比值及图像时钟频率比值的最大值，确定为逻辑计算性能参数。
在本公开的另一个实施例中，确定模块502，用于获取编码器的当前编码参数，当前编码参数包括编码器的当前利用率和采样值；获取解码器的当前解码参数，当前解码参数包括解码器的当前利用率和采样值；将当前编码参数和当前解码参数的最大值，确定为编解码性能参数。
在本公开的另一个实施例中，确定模块502，用于获取GPU的内存占用比，内存占用量为GPU的可用内存量与GPU的总内存量之间的比值；获取GPU的映射访问比，映射访问比为GPU映射到系统后，中央处理器CPU或第三方设备访问GPU的已用访问量与总访问量之间的比值；获取GPU的读写时间百分比，读写时间百分比为历史时间段内读取或写入GPU内存的时间百分比；获取显存时钟频率比值，显存时钟频率比值为显存的当前时钟频率与最大时钟频率之间的比值；将内存占用比、映射访问比、读写时间百分比及显存时钟频率比值的最大值，确定为存储与交互性能参数。
在本公开的另一个实施例中，确定模块502，用于当整体性能参数大于第一阈值时，确定GPU的性能存在限制因素。
在本公开的另一个实施例中，确定模块502，用于根据整体性能参数中的逻辑性能参数、编解码性能参数、存储与交互性能参数及功耗比，确定GPU的限制因素类型。
在本公开的另一个实施例中，确定模块502，用于当整体性能参数为逻辑性能参数，逻辑计算性能参数为内核运行时间百分比，且SM时钟频率比值大于第二阈值时，确定GPU中的限制因素类型为硬件类型；
当整体性能参数为逻辑性能参数，逻辑计算性能参数为SM时钟频率比值，且内核运行时间百分比大于第二阈值时，确定GPU的限制因素类型为软件类型；
当整体性能参数为逻辑性能参数，逻辑计算性能参数等于图像时钟频率比值，且编解码性能参数非零时，确定GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，确定模块502，用于当整体性能参数为编解码性能参数，编解码性能参数为当前编码参数，且功耗比小于第二阈值，确定GPU的限制因素类型为软件类型；
当整体性能参数为编解码性能参数，编解码性能参数为当前解码参数，且功耗比小于第二阈值，确定GPU的限制因素类型为软件类型。
在本公开的另一个实施例中，确定模块502，用于当整体性能参数为存储与交互性能参数，存储与交互性能参数为内存占用量，且内核运行时间百分比小于第二阈值，确定GPU的限制因素类型为软件类型；
当整体性能参数为存储与交互性能参数，存储与交互性能参数为映射访问比，确定GPU的限制因素类型为软件类型；
当整体性能参数为存储与交互性能参数，存储与交互性能参数为读写时间百分比，且内核运行时间百分比大于第二阈值，确定GPU的限制因素类型为硬件类型；
当整体性能参数为存储与交互性能参数，存储与交互性能参数为显存时钟频率比值，且读写时间百分比小于第二阈值，确定GPU的限制因素类型为硬件类型。
在本公开的另一个实施例中，确定模块502，用于当整体性能参数为功耗比，确定GPU的限制因素类型为硬件类型。
综上所述，本公开实施例提供的装置，根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。
图6示出了本公开一个示例性实施例提供的终端600的结构框图。该终端600可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端600包括有：处理器601和存储器602。
处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的用于GPU性能的信息确定方法。
在一些实施例中，终端600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路604包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路604还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏605用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏605可以为一个，设置终端600的前面板；在另一些实施例中，显示屏605可以为至少两个，分别设置在终端600的不同表面或呈折叠设计；在再一些实施例中，显示屏605可以是柔性显示屏，设置在终端600的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时，可以检测用户对终端600的握持信号，由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时，由处理器601根据用户对触摸显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹，由处理器601根据指纹传感器614采集到的指纹识别用户的身份，或者，由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器601授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。
接近传感器616，也称距离传感器，通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时，由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图6中示出的结构并不构成对终端600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本公开实施例提供的终端，根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。
本公开实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现图2所示的用于GPU性能的信息确定方法。
本公开实施例提供的计算机可读存储介质，根据GPU的运行参数，确定GPU的整体性能参数，当确定出GPU的性能存在限制因素时，根据整体性能参数中至少一方面的性能参数，确定出GPU的限制因素类型。由于整体性能参数能够表征GPU在不同方面的性能，基于整体性能参数可以准确地确定出GPU是否存在限制因素及限制因素类型，因而在对GPU性能进行改进时，改进效果更佳。
需要说明的是：上述实施例提供的用于GPU性能的信息确定装置在确定GPU性能的信息时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将用于GPU性能的信息确定装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的用于GPU性能的信息确定方法与用于GPU性能的信息确定装置实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种用于GPU性能的信息确定方法，其特征在于，所述方法包括：
获取图形处理器GPU的运行参数，所述运行参数由设置于所述GPU不同位置的传感器采集得到；
根据所述运行参数，确定所述GPU的整体性能参数，所述整体性能参数用于表征所述GPU在不同方面的性能；
根据所述整体性能参数，确定所述GPU的性能是否存在限制因素；
当所述GPU的性能存在限制因素，根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述运行参数，确定所述GPU的整体性能参数，包括：
根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数；
获取所述GPU的功耗比，所述功耗比为所述GPU的电源使用量与所述GPU的额定功率之间的比值；
将所述逻辑计算性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比的最大值，确定为所述整体性能参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取所述GPU的内核运行时间百分比，所述内核运行时间百分比为所述GPU上一个或多个内核的运行时间在历史时间段中所占的百分比；
获取总线控制器SM时钟频率比值，所述SM时钟频率比值为SM的当前时钟频率与SM的最大时钟频率之间的比值；
获取图像时钟频率比值，所述图像时钟频率比值为当前图像的时钟频率与图像的最大时钟频率之间的比值；
将所述内核运行时间百分比、所述SM时钟频率比值及所述图像时钟频率比值的最大值，确定为所述逻辑计算性能参数。
4.根据权利要求2所述的方法，其特征在于，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取编码器的当前编码参数，所述当前编码参数包括编码器的当前利用率和采样值；
获取解码器的当前解码参数，所述当前解码参数包括解码器的当前利用率和采样值；
将所述当前编码参数和所述当前解码参数的最大值，确定为所述编解码性能参数。
5.根据权利要求2所述的方法，其特征在于，所述根据所述运行参数，确定逻辑计算性能参数、编解码性能参数及存储与交互性能参数，包括：
获取所述GPU的内存占用比，所述内存占用量为所述GPU的可用内存量与所述GPU的总内存量之间的比值；
获取所述GPU的映射访问比，所述映射访问比为所述GPU映射到系统后，中央处理器CPU或第三方设备访问所述GPU的已用访问量与总访问量之间的比值；
获取所述GPU的读写时间百分比，所述读写时间百分比为历史时间段内读取或写入所述GPU内存的时间百分比；
获取显存时钟频率比值，所述显存时钟频率比值为显存的当前时钟频率与最大时钟频率之间的比值；
将所述内存占用比、所述映射访问比、所述读写时间百分比及所述显存时钟频率比值的最大值，确定为所述存储与交互性能参数。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述整体性能参数，确定所述GPU的性能是否存在限制因素，包括：
当所述整体性能参数大于第一阈值时，确定所述GPU的性能存在限制因素。
7.根据权利要求2至5中任一项所述的方法，其特征在于，所述根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型，包括：
根据所述整体性能参数中的所述逻辑性能参数、所述编解码性能参数、所述存储与交互性能参数及所述功耗比，确定所述GPU的限制因素类型。
8.一种用于GPU性能的信息确定装置，其特征在于，所述装置包括：
获取模块，用于获取图形处理器GPU的运行参数，所述运行参数由设置于所述GPU不同位置的传感器采集得到；
确定模块，用于根据所述运行参数，确定所述GPU的整体性能参数，所述整体性能参数用于表征所述GPU在不同方面的性能；
所述确定模块，用于根据所述整体性能参数，确定所述GPU的性能是否存在限制因素；
所述确定模块，用于当所述GPU的性能存在限制因素，根据所述整体性能参数中至少一方面的性能参数，确定所述GPU的限制因素类型。
9.一种用于GPU性能的信息确定终端，其特征在于，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至7中任一项所述的用于GPU性能的信息确定方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至7中任一项所述的用于GPU性能的信息确定方法。
CN201910393055.6A 2019-05-13 2019-05-13 用于gpu性能的信息确定方法、装置、终端及存储介质 Active CN110109813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910393055.6A CN110109813B (zh) 2019-05-13 2019-05-13 用于gpu性能的信息确定方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910393055.6A CN110109813B (zh) 2019-05-13 2019-05-13 用于gpu性能的信息确定方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN110109813A true CN110109813A (zh) 2019-08-09
CN110109813B CN110109813B (zh) 2023-02-17

Family

ID=67489634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910393055.6A Active CN110109813B (zh) 2019-05-13 2019-05-13 用于gpu性能的信息确定方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN110109813B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314728A (zh) * 2023-11-29 2023-12-29 深圳市七彩虹禹贡科技发展有限公司 一种gpu运行调控方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243607A (zh) * 2010-05-14 2011-11-16 技嘉科技股份有限公司 绘图处理器超频工作性能的检分方法
US20120084058A1 (en) * 2010-10-01 2012-04-05 Sowerby Andrew M Automatic Detection of Performance Bottlenecks in a Graphics System
CN107122245A (zh) * 2017-04-25 2017-09-01 上海交通大学 Gpu任务调度方法及系统
CN108268361A (zh) * 2018-01-23 2018-07-10 郑州云海信息技术有限公司 一种bmc监控gpu的方法、系统、装置及存储介质
CN108733531A (zh) * 2017-04-13 2018-11-02 南京维拓科技有限公司 基于云计算的gpu性能监控系统
CN109062715A (zh) * 2018-07-05 2018-12-21 Oppo（重庆）智能科技有限公司 内存时钟频率的确定方法、装置及终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243607A (zh) * 2010-05-14 2011-11-16 技嘉科技股份有限公司 绘图处理器超频工作性能的检分方法
US20120084058A1 (en) * 2010-10-01 2012-04-05 Sowerby Andrew M Automatic Detection of Performance Bottlenecks in a Graphics System
CN108733531A (zh) * 2017-04-13 2018-11-02 南京维拓科技有限公司 基于云计算的gpu性能监控系统
CN107122245A (zh) * 2017-04-25 2017-09-01 上海交通大学 Gpu任务调度方法及系统
CN108268361A (zh) * 2018-01-23 2018-07-10 郑州云海信息技术有限公司 一种bmc监控gpu的方法、系统、装置及存储介质
CN109062715A (zh) * 2018-07-05 2018-12-21 Oppo（重庆）智能科技有限公司 内存时钟频率的确定方法、装置及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王卓薇等: "一种基于GPU的并行算法功耗评估方法", 《计算机科学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314728A (zh) * 2023-11-29 2023-12-29 深圳市七彩虹禹贡科技发展有限公司 一种gpu运行调控方法及系统
CN117314728B (zh) * 2023-11-29 2024-03-12 深圳市七彩虹禹贡科技发展有限公司 一种gpu运行调控方法及系统

Also Published As

Publication number Publication date
CN110109813B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
CN108304265B (zh) 内存管理方法、装置及存储介质
CN110022489A (zh) 视频播放方法、装置及存储介质
CN109784351B (zh) 行为数据分类方法、分类模型训练方法及装置
CN110149557B (zh) 视频播放方法、装置、终端和存储介质
CN108966008A (zh) 直播视频回放方法及装置
CN108762881A (zh) 界面绘制方法、装置、终端及存储介质
CN109729378A (zh) 信息处理方法、在直播平台中领取福利的方法及装置
CN110300274A (zh) 视频文件的录制方法、装置及存储介质
CN110121094A (zh) 视频合拍模板的显示方法、装置、设备及存储介质
CN110189137A (zh) 刷脸支付的方法、装置、设备及存储介质
CN108900925A (zh) 设置直播模板的方法和装置
CN109522146A (zh) 对客户端进行异常测试的方法、装置及存储介质
CN110147380A (zh) 数据更新方法、装置、服务器以及存储介质
CN111586413B (zh) 视频调整方法、装置、计算机设备及存储介质
CN109635133A (zh) 可视化音频播放方法、装置、电子设备及存储介质
CN109102811A (zh) 音频指纹的生成方法、装置及存储介质
CN111083554A (zh) 直播礼物显示的方法和装置
CN110490389A (zh) 点击率预测方法、装置、设备及介质
CN109977570A (zh) 车身噪声确定方法、装置及存储介质
CN110244999A (zh) 控制目标应用程序运行的方法、装置、设备及存储介质
CN109889858A (zh) 虚拟物品的信息处理方法、装置及计算机可读存储介质
CN109218169A (zh) 即时通讯方法、装置及存储介质
CN110166275A (zh) 信息处理方法、装置及存储介质
CN110109813A (zh) 用于gpu性能的信息确定方法、装置、终端及存储介质
WO2020181858A1 (zh) 资源转移方法、装置及存储介质

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