CN111427758A - 任务计算量确定方法、装置和电子设备 - Google Patents

任务计算量确定方法、装置和电子设备 Download PDF

Info

Publication number
CN111427758A
CN111427758A CN202010185070.4A CN202010185070A CN111427758A CN 111427758 A CN111427758 A CN 111427758A CN 202010185070 A CN202010185070 A CN 202010185070A CN 111427758 A CN111427758 A CN 111427758A
Authority
CN
China
Prior art keywords
task
target
cpu
target task
time slice
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
CN202010185070.4A
Other languages
English (en)
Other versions
CN111427758B (zh
Inventor
王衍
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.)
Zhongke Zhuoqi Nanjing Technology Co ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010185070.4A priority Critical patent/CN111427758B/zh
Publication of CN111427758A publication Critical patent/CN111427758A/zh
Priority to JP2021038109A priority patent/JP7223048B2/ja
Priority to KR1020210034378A priority patent/KR102542247B1/ko
Application granted granted Critical
Publication of CN111427758B publication Critical patent/CN111427758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording 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
    • G06F11/3409Recording 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
    • G06F11/3419Recording 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 by assessing time
    • G06F11/3423Recording 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 by assessing time where the assessed time is active or idle time
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording 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
    • G06F11/3409Recording 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
    • G06F11/3433Recording 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 for load management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Debugging And Monitoring (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种任务计算量确定方法、装置和电子设备,涉及计算量测评技术领域。其中方法包括:控制目标任务在目标CPU核中运行;获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。本申请所确定的任务计算量能够更加真实、更加准确地表征任务所需要占用的CPU算力。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。

Description

任务计算量确定方法、装置和电子设备
技术领域
本申请涉及计算机技术,尤其涉及计算量测评技术领域,具体涉及一种任务计算量确定方法、装置和电子设备。
背景技术
随着计算机技术的发展,任务的深度逐渐增加,任务的计算复杂度和计算量也随之上升。在设备中部署任务之前,需要考虑设备的CPU(Central Processing Unit,中央处理器)计算能力(即算力)是否能够满足任务的计算量,因此,在部署任务之前,需要对任务进行计算量测评。目前,通常用MACCs(multiply-accumulate operations,乘法累加次数)和FLOPS(floating-point operations per second,每秒浮点运算次数)来表征任务的计算量,这些均无法表征任务所需占用的CPU算力。
发明内容
本申请提供一种任务计算量确定方法、装置和电子设备,以解决现有任务计算量表征方式无法表征任务所需占用的CPU算力的技术问题。
为了解决上述技术问题,本申请是这样实现的:
第一方面,本申请提供了一种任务计算量确定方法,所述方法包括:
控制目标任务在目标CPU核中运行;
获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;
根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
因为采用上述技术手段,本申请所确定的任务计算量能够更加真实、更加准确地表征任务所需要占用的CPU算力。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。
可选的,所述获取所述目标任务在任务运行时段的CPU时间片占用率,包括:
获取所述目标CPU核在所述任务运行时段的CPU时间片;
获取所述目标任务占用的CPU时间片;
根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
该实施方式中,通过确定目标任务在所述任务运行时段的CPU时间片占用率,有利于准确测评目标任务的计算量。
可选的,所述目标任务的计算量包括图像检测算法的计算量、语音识别算法的计算量或规划与控制算法的计算量。
本申请提供的基于DMIPS和CPU时间片占用率来确定任务计算量的方案,由于CPU时间片占用率能够较真实且准确地表征任务运行所需要的CPU算力占用率,不仅适用于连续性的任务,还适用于不连续性的任务,具有通用性。
可选的,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
所述根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量,包括:
获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
该实施方式中,通过确定图像检测算法在目标帧率下的计算量,有利于准确测评图像检测算法的性能,从而,在对图像检测算法进行部署时,能够基于所确定的图像检测算法在目标帧率下的计算量,为设备硬件选型提供更有价值的参考,从而能够促进图像检测算法的应用。
可选的,所述方法还包括:
在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
该实施方式中,通过在目标任务运行过程中控制目标CPU核的运行频率,能够为目标任务的运行提供一种较稳定的运行环境,能够确保本申请所确定的任务计算量更加准确。
可选的,所述控制目标任务在目标CPU核中运行,包括:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
该实施方式中,通过在目标任务运行过程中控制目标CPU核的运行频率,能够为目标任务的运行提供一种较稳定的运行环境,能够确保本申请所确定的任务计算量更加准确。
可选的,在所述控制目标任务在目标CPU核中运行之前,所述方法还包括:
接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
可选的,在所述计算所述目标任务的计算量之后,所述方法还包括:
向所述云端服务器上报所述目标任务的计算量。
该实施方式中,通过搭建开放的测评环境,能够使任务设计、任务训练、任务发布和任务计算量测评形成闭环。这样,任务设计人员在完成任务设计和任务训练之后,可及时获取任务计算量测评结果,有利于任务设计人员及时掌握任务计算量的消耗情况,以方便对任务进行针对性的优化。
第二方面,本申请提供了一种任务计算量确定装置,包括:
第一控制模块,用于控制目标任务在目标CPU核中运行;
获取模块,用于获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;
确定模块,用于根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
可选的,所述获取模块包括:
第一获取子模块,用于获取所述目标CPU核在所述任务运行时段的CPU时间片;
第二获取子模块,用于获取所述目标任务占用的CPU时间片;
第一确定子模块,用于根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
可选的,所述目标任务的计算量包括图像检测算法的计算量、语音识别算法的计算量或规划与控制算法的计算量。
可选的,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
所述确定模块包括:
第二获取子模块,用于获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
第二确定子模块,用于根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
第三确定子模块,用于根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
可选的,还包括:
第二控制模块,用于在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
可选的,所述第一控制模块具体用于:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
可选的,还包括:
接收模块,用于接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
可选的,还包括:
上报模块,用于向所述云端服务器上报所述目标任务的计算量。
第三方面,本申请提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中的任一项方法。
第四方面,本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行第一方面中的任一项方法。
本申请中的一个实施例具有如下优点或有益效果:
本申请中,在需要对目标任务进行计算量测评的情况下,通过控制目标任务在目标CPU核中运行,并获取目标任务运行过程中所占用的CPU时间片占用率,即可根据目标CPU核的DMIPS和目标任务所占用的CPU时间片占用率,确定目标任务的计算量。因为采用上述技术手段,本申请所确定的任务计算量能够更加真实、更加准确地表征任务所需要占用的CPU算力。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的任务计算量确定方法的流程示意图;
图2是本申请实施例提供的任务计算量确定方法的处理流程示例图;
图3是本申请实施例提供的任务计算量测评系统部署示例图;
图4是本申请实施例提供的任务测评闭环示意图;
图5是本申请实施例提供的任务计算量确定装置的结构示意图;
图6是用来实现本申请实施例的任务计算量确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
目前,任务计算量通常用MACCs和FLOPS表征,MACCs用于表征理论的乘累加次数,FLOPS用于表征GPU(Graphics Processing Unit,图形处理器)端的浮点运算次数。
随着任务的深度逐渐增加,任务的计算复杂度和计算量也随之上升,任务在运行过程中需要占用的CPU算力也越来越高。例如,随着人工智能(Artificial Intelligence,简称AI)的发展,深度学习已逐渐成为各领域的主流方法,随着残差网络(ResidualNetworks,简称ResNets)的推出,神经网络深度逐渐增加,计算复杂度和计算量也随之上升。因此,为了确保任务能够在设备中正常运行,在设备中部署任务之前,需要测评设备的CPU算力是否能够承担任务的算力负载,或者说,需要测评设备的CPU算力是否满足任务的计算量。
然而,上述两种任务计算量的表征方式均无法表征任务在CPU中运行时所需占用的计算量,这使得目前还无法真实且精确地确定任务在CPU中运行时所需占用的计算量,从而无法为设备的硬件选型、任务的优化等方面提供指导。
鉴于此,本申请提供一种任务计算量确定方法,用于确定目标任务在CPU中运行时所需占用的计算量,或者说,用于确定目标任务在运行过程中所需占用的CPU算力。本申请可通过测评设备(如计算机、手机、车载电脑等终端设备)进行任务计算量的确定。
本申请中,目标任务是指可在测评设备的CPU中运行的任务,目标任务在CUP中运行时既可以是线程也可以是进程。目标任务的计算量是指目标任务在运行过程中所需要占用的CPU算力。
如图1所示,该任务计算量确定方法包括如下步骤:
步骤101:控制目标任务在目标CPU核中运行。
目前,CPU一般采用多核(即物理核)架构,有的CPU配置有大核和小核。该步骤中,通过控制目标任务在目标CPU核中运行,这样,目标任务的计算量仅需考虑目标CPU核的算力,能够更加简单且更加准确地确定目标任务的计算量。
本申请中,在目标任务运行之前,可以预先为目标任务绑定CPU核,使目标任务仅在目标CPU核中运行,而不在其他CPU核中运行。为目标任务绑定CPU核的方法例如可以是,在安卓(Android)系统中可通过命令“echo"0">/sys/devices/system/cpu/cpuN/online”实现CPU核的绑定,其中,N是指要禁掉的CPU核。
本申请中,目标任务可以是利用图像检测算法的图像检测任务,目标任务的计算量可以是图像检测算法的计算量,更具体地说,目标任务的计算量可以是利用图像检测算法进行图像检测的计算量。具体应用中,图像检测任务例如可以包括人脸检测、人脸识别、手势识别、车道线检测、行人车辆检测、文本识别、物体分类、物体分割等任务。
目标任务也可以是利用语音识别算法的语音识别任务,目标任务的计算量可以是语音识别算法的计算量,更具体地说,目标任务的计算量可以是利用语音识别算法进行语音识别的计算量。具体应用中,语音识别任务例如可以包括语音唤醒、语义理解、语言翻译、语音合成等任务。
目标任务还可以是利用规划与控制算法的任务,目标任务的计算量可以是规划与控制算法的计算量。具体应用中,利用规划与控制算法的任务例如可以包括路径规划、轨迹预测、强化学习、MPC(Model Predictive Control,模型预测控制)等任务。
步骤102:获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段。
目前操作系统(如Windows、Linux、Mac OS X等)允许同时运行多个进程,因此,在任务运行时段,除了目标任务在目标CPU核中运行之外,目标CPU核中还可能运行其他的进程。并且,目标任务在运行过程中,可能并不是持续运行的,而可能与其他进程交替运行。因此,在任务运行时段,目标CPU核的算力并不全部被目标任务占用。
CPU时间片(timeslice)又称为“量子(quantum)”或“处理器片(processorslice)”,是分时操作系统分配给每个正在运行的进程微观上的一段CPU时间。可见,CPU时间片能够较真实地体现进程(或任务)运行所占用的CPU时间。
因此,目标任务在任务运行时段的CPU时间片占用率能够较真实地体现目标任务运行所占用的CPU时间片的比率,从而适合于用来衡量目标任务运行所需要的CPU算力占用率。
鉴于此,该步骤中,通过获取目标任务在任务运行时段的CPU时间片占用率,能够较真实且准确地表征目标任务运行所需要的CPU算力占用率,从而目标任务在任务运行时段的CPU时间片占用率可以为目标任务的计算量的确定提供依据。
这里,目标任务在任务运行时段的CPU时间片占用率,可以理解为,目标任务在任务运行时段的目标CPU核的时间片占用率。
步骤103:根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
其中,DMIPS(Dhrystone Million Instructions executed Per Second)是用来衡量计算机芯片的单位,DMIPS数值越大,CPU的数据处理能力越强。MIPS(MillionInstructions executed Per Second,每秒百万条指令)用来计算同一秒内系统的处理能力,即每秒执行了多少百万条指令。可见,DMIPS能够较真实地衡量CPU的计算能力,DMIPS可作为设备的CPU算力的衡量单位。从而,目标CPU核的DMIPS能够较真实地衡量目标CPU核的总算力。
本申请中,通过控制目标任务在目标CPU核中运行,可以将目标CPU核的DMIPS作为目标任务计算量的确定依据,由此所确定的目标任务的计算量也能够更加真实、更加准确地表征目标任务运行时所需要占用的CPU算力。
由于目标任务在任务运行时段的CPU时间片占用率适合于用来衡量目标任务运行所需要的CPU算力占用率,目标CPU核的DMIPS能够较真实地衡量目标CPU核的总算力,因此,该步骤中,可根据目标CPU核的DMIPS和目标任务在任务运行时段的CPU时间片占用率,确定目标任务的计算量。并且,由此确定出的目标任务的计算量能够更加真实、更加准确地表征任务所需要占用的CPU算力。
例如,假设目标CPU核的DMIPS为A,目标任务在任务运行时段的CPU时间片占用率为B,目标任务的计算量为C,则C=a·A×b·B,其中,a和b均为大于0的系数。
本申请中,在需要对目标任务进行计算量测评的情况下,通过控制目标任务在目标CPU核中运行,并获取目标任务运行过程中所占用的CPU时间片占用率,即可根据目标CPU核的DMIPS和目标任务所占用的CPU时间片占用率,确定目标任务的计算量。因为采用上述技术手段,本申请所确定的任务计算量能够更加真实、更加准确地表征任务所需要占用的CPU算力。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。
需要说明的是,目前还存在基于CPU占用率对任务计算量进行测评的技术,该技术通过空闲任务计时来统计CPU占用率,然而这种方式仅适用于连续性的任务,并不具有通用性。对于某些不连续性任务来说,无法基于CPU占用率实现任务计算量的确定。以图像检测算法作为举例,图像检测算法用来对一帧一帧图像进行处理,在任务运行时段内缺乏连续性,若基于CPU占用率测评图像检测算法的计算量,则结果的偏差较大。
而本申请提供的基于DMIPS和CPU时间片占用率来确定任务计算量的方案,由于CPU时间片占用率能够较真实且准确地表征任务运行所需要的CPU算力占用率,不仅适用于连续性的任务,还适用于不连续性的任务,具有通用性。
可选的,所述获取所述目标任务在任务运行时段的CPU时间片占用率,包括:
获取所述目标CPU核在所述任务运行时段的CPU时间片;
获取所述目标任务占用的CPU时间片;
根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
该实施方式中,目标CPU核在任务运行时段的CPU时间片,可以理解为,目标CPU核在该时段的总的CPU时间片。在该时段的总的CPU时间片中,可能部分时间片用来运行目标任务,部分时间片用来运行其他的任务或进程,也可能全部时间片用来运行目标任务。
目标任务占用的CPU时间片,可以理解为,目标任务本身所占用的CPU时间片。
该实施方式中,可通过CPU时间片占用监测模块来实现上述两种CPU时间片的获取。
例如,在监测到目标任务开始运行时,CPU时间片占用监测模块读取目标CPU核的/proc/stat的时间片,记为t_cpu_start;在监测到目标任务结束运行时,CPU时间片占用监测模块读取目标CPU核的/proc/stat的CPU时间片,记为t_cpu_end;这样,目标CPU核在任务运行时段的CPU时间片为(t_cpu_end-t_cpu_start)。
相应的,在监测到目标任务开始运行时,CPU时间片占用监测模块读取目标CPU核的/proc/[pid]/stat的时间片,记为t_app_cpu_start;在监测到目标任务结束运行时,CPU时间片占用监测模块读取目标CPU核的/proc/[pid]/stat的CPU时间片,记为t_app_cpu_end;这样,目标任务占用的CPU时间片为(t_app_cpu_end-t_app_cpu_start)。
上述/proc/[pid]/stat中的pid表示进程的id,也就是目标任务的id。
目标任务在所述任务运行时段的CPU时间片占用率可通过以下公式计算得到:
cpu_usage=(t_app_cpu_end-t_app_cpu_start)/(t_cpu_end-t_cpu_start)
其中,cpu_usage表示目标任务在所述任务运行时段的CPU时间片占用率。
该实施方式中,通过确定目标任务在所述任务运行时段的CPU时间片占用率,有利于准确测评目标任务的计算量。
可选的,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
所述根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量,包括:
获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
图像检测算法在应用时,一般需要考量其图像检测效率,即图像检测的帧率。鉴于此,该实施方式中,当需要计算图像检测算法的计算量时,可考虑图像检测算法在目标帧率下的计算量。
以下结合图2,对该实施方式的处理流程进行示例性说明。
如图2所示,测评设备中可设置检测任务接口201、CPU时间片占用监测模块202、算法运行统计模块203和计算量分析模块204。
可通过检测任务接口201输入图像检测算法模型205和一定帧数(如500帧)的模拟图像206,并控制图像检测算法在目标CPU核中运行,使图像检测算法对模拟图像进行检测,直至全部模拟图像检测完成。图像检测算法处理全部模拟图像的时间段即为任务运行时段。每个模拟图像通过图像检测算法进行检测的次数可以是一次,也可以是多次,本申请对此不作限定。
可通过CPU时间片占用监测模块202来统计图像检测算法运行过程中的CPU时间片占用率,可通过算法运行统计模块203来统计图像检测算法运行的开始时间、结束时间和运行次数。其中,图像检测算法运行的开始时间至结束时间的时间段即为任务运行时段,运行次数即为图像检测算法在任务运行时段内处理的图像帧数。
CPU时间片占用监测模块202可将其统计的图像检测算法运行过程中的CPU时间片占用率发送至计算量分析模块204中,算法运行统计模块203可将其统计的图像检测算法运行的开始时间、结束时间和运行次数发送至计算量分析模块204中,再通过计算量分析模块204依次确定图像检测算法的单帧计算量和图像检测算法在目标帧率下的计算量。
该实施方式中,图像检测算法的单帧计算量可通过以下公式得到:
dmip=duration*total_DMIPS*cpu_usage/M
其中,dmip表示图像检测算法的单帧计算量,duration表示任务运行时段,total_DMIPS表示目标CPU核的总算力,cpu_usage表示图像检测算法在任务运行时段的CPU时间片占用率,M表示图像检测算法在任务运行时段内处理的图像帧数。
在图像检测算法的单帧计算量确定之后,可通过以下公式得到图像检测算法在目标帧率下的计算量:
DMIPS=dmip*fps
其中,DMIPS表示图像检测算法在目标帧率下的计算量,dmip表示图像检测算法的单帧计算量,fps表示目标帧率。
该实施方式中,通过确定图像检测算法在目标帧率下的计算量,有利于准确测评图像检测算法的性能,从而,在对图像检测算法进行部署时,能够基于所确定的图像检测算法在目标帧率下的计算量,为设备硬件选型提供更有价值的参考,从而能够促进图像检测算法的应用。
可选的,所述方法还包括:
在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
该实施方式中,为了防止系统运行频率变化对目标任务的计算量的确定带来影响,可在目标任务运行于目标CPU核的过程中,对目标CPU核的运行频率进行锁定,以使目标CPU核的运行频率控制在预设频率。
该预设频率可以为预先设置的频率值,也可以为预先设置的频率范围。可以通过目标任务运行配置文件对目标CPU核的运行频率进行配置。
该实施方式中,通过在目标任务运行过程中控制目标CPU核的运行频率,能够为目标任务的运行提供一种较稳定的运行环境,能够确保本申请所确定的任务计算量更加准确。
可选的,所述控制目标任务在目标CPU核中运行,包括:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
该实施方式中,可以控制目标任务以较高的优先级在目标CPU核中运行,这样,可使目标任务优先运行,而无需等待太久的时间,从而能够提高目标任务的运行效率,使目标任务的计算量能够较快地确定。
可选的,在所述控制目标任务在目标CPU核中运行之前,所述方法还包括:
接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
该实施方式中,可通过云端服务器将目标任务推送至测评设备,从而测评设备可从云端服务器接收目标任务,并实现对目标任务计算量的确定。
该实施方式中,可将任务计算量测评系统部署于云端服务器,并搭建对外开放的测评环境,这样,通过搭建开放的测评环境,有利于提高任务计算量的测评效率和测评效果。
以下结合图3,对该实施方式的流程进行示例性说明。
如图3所示,云端服务器301可将目标任务推送至不同的测评设备302。用户可以通过web接口303上传待测任务至云端服务器301,云端服务器301在接收到待测任务之后,可自动编译待测任务的模型,并将待测任务的模型推送至不同的测评设备302。
可选的,在所述计算所述目标任务的计算量之后,所述方法还包括:
向所述云端服务器上报所述目标任务的计算量。
如图3所示,该实施方式中,测评设备302可将其确定的目标任务的计算量上报至云端服务器301,这样,云端服务器301可将目标任务的计算量反馈给用户。
该实施方式中,通过将任务计算量测评系统部署于云端服务器301,可以将任务设计、任务训练、任务发布和任务计算量测评形成闭环(如图4所示)。这样,任务设计人员在完成任务设计和任务训练之后,即可将任务发布于云端服务器301,云端服务器301可立即将任务推送至测评设备,通过测评设备进行任务计算量测评,测评设备再将任务计算量测评结果上报至云端服务器,有利于任务设计人员及时掌握任务计算量的消耗情况,以方便对任务进行针对性的优化。
需要说明的是,本申请中的任务计算量确定方法中的多种可选的实施方式,彼此可以相互结合实现,也可以单独实现,对此本申请不作限定。
本申请的上述实施例具有如下优点或有益效果:
本申请中,在需要对目标任务进行计算量测评的情况下,通过控制目标任务在目标CPU核中运行,并获取目标任务运行过程中所占用的CPU时间片占用率,即可根据目标CPU核的DMIPS和目标任务所占用的CPU时间片占用率,确定目标任务的计算量。因为采用上述技术手段,本申请所确定的任务计算量能够更加真实、更加准确地表征任务在CPU端的算力占用。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。
本申请还提供了一种任务计算量确定装置,如图5所示,任务计算量确定装置400包括:
第一控制模块401,用于控制目标任务在目标CPU核中运行;
获取模块402,用于获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;
确定模块403,用于根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
可选的,获取模块402包括:
第一获取子模块,用于获取所述目标CPU核在所述任务运行时段的CPU时间片;
第二获取子模块,用于获取所述目标任务占用的CPU时间片;
第一确定子模块,用于根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
可选的,所述目标任务的计算量包括图像检测算法的计算量、语音识别算法的计算量或规划与控制算法的计算量。
可选的,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
确定模块403包括:
第二获取子模块,用于获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
第二确定子模块,用于根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
第三确定子模块,用于根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
可选的,任务计算量确定装置400还包括:
第二控制模块,用于在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
可选的,第一控制模块401具体用于:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
可选的,任务计算量确定装置400还包括:
接收模块,用于接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
可选的,任务计算量确定装置400还包括:
上报模块,用于向所述云端服务器上报所述目标任务的计算量。
本申请提供的任务计算量确定装置400能够实现上述任务计算量确定方法实施例中任务计算量确定装置实现的各个过程,且能够达到相同的有益效果,为避免重复,这里不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的任务计算量确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的任务计算量确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的任务计算量确定方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的任务计算量确定方法对应的程序指令/模块(例如,附图5所示的第一控制模块401、获取模块402和确定模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行任务计算量确定装置的各种功能应用以及数据处理,即实现上述方法实施例中的任务计算量确定方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据任务计算量确定方法的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至任务计算量确定方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
任务计算量确定方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与任务计算量确定方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在需要对目标任务进行计算量测评的情况下,通过控制目标任务在目标CPU核中运行,并获取目标任务运行过程中所占用的CPU时间片占用率,即可根据目标CPU核的DMIPS和目标任务所占用的CPU时间片占用率,确定目标任务的计算量。因为采用上述技术手段,本申请所确定的任务计算量能够更加真实、更加准确地表征任务在CPU端的算力占用。从而,在对任务进行部署时,能够基于本申请所确定的任务计算量,为设备硬件选型提供更有价值的参考。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (18)

1.一种任务计算量确定方法,其特征在于,所述方法包括:
控制目标任务在目标CPU核中运行;
获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;
根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标任务在任务运行时段的CPU时间片占用率,包括:
获取所述目标CPU核在所述任务运行时段的CPU时间片;
获取所述目标任务占用的CPU时间片;
根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
3.根据权利要求1所述的方法,其特征在于,所述目标任务的计算量包括图像检测算法的计算量、语音识别算法的计算量或规划与控制算法的计算量。
4.根据权利要求3所述的方法,其特征在于,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
所述根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量,包括:
获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述方法还包括:
在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述控制目标任务在目标CPU核中运行,包括:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
7.根据权利要求1至4中任一项所述的方法,其特征在于,在所述控制目标任务在目标CPU核中运行之前,所述方法还包括:
接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
8.根据权利要求7所述的方法,其特征在于,在所述计算所述目标任务的计算量之后,所述方法还包括:
向所述云端服务器上报所述目标任务的计算量。
9.一种任务计算量确定装置,其特征在于,包括:
第一控制模块,用于控制目标任务在目标CPU核中运行;
获取模块,用于获取所述目标任务在任务运行时段的CPU时间片占用率,所述任务运行时段为从所述目标任务开始运行至所述目标任务结束运行的时间段;
确定模块,用于根据所述目标CPU核的DMIPS和所述CPU时间片占用率,确定所述目标任务的计算量。
10.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
第一获取子模块,用于获取所述目标CPU核在所述任务运行时段的CPU时间片;
第二获取子模块,用于获取所述目标任务占用的CPU时间片;
第一确定子模块,用于根据所述目标CPU核在所述任务运行时段的CPU时间片和所述目标任务占用的CPU时间片,确定所述目标任务在所述任务运行时段的CPU时间片占用率。
11.根据权利要求9所述的装置,其特征在于,所述目标任务的计算量包括图像检测算法的计算量、语音识别算法的计算量或规划与控制算法的计算量。
12.根据权利要求11所述的装置,其特征在于,所述目标任务的计算量为图像检测算法在目标帧率下的计算量;
所述确定模块包括:
第二获取子模块,用于获取所述图像检测算法在所述任务运行时段内处理的图像帧数;
第二确定子模块,用于根据所述目标CPU核的DMIPS、所述CPU时间片占用率、所述任务运行时段和所述图像帧数,确定所述图像检测算法的单帧计算量;
第三确定子模块,用于根据所述单帧计算量和所述目标帧率,确定所述图像检测算法在目标帧率下的计算量。
13.根据权利要求9至12中任一项所述的装置,其特征在于,还包括:
第二控制模块,用于在所述目标任务运行于所述目标CPU核的过程中,控制所述目标CPU核的运行频率在预设频率。
14.根据权利要求9至12中任一项所述的装置,其特征在于,所述第一控制模块具体用于:
控制所述目标任务以预设优先级在所述目标CPU核中运行。
15.根据权利要求9至12中任一项所述的装置,其特征在于,还包括:
接收模块,用于接收云端服务器发送的所述目标任务,所述目标任务由用户预先上传至所述云端服务器。
16.根据权利要求15所述的装置,其特征在于,还包括:
上报模块,用于向所述云端服务器上报所述目标任务的计算量。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。
CN202010185070.4A 2020-03-17 2020-03-17 任务计算量确定方法、装置和电子设备 Active CN111427758B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010185070.4A CN111427758B (zh) 2020-03-17 2020-03-17 任务计算量确定方法、装置和电子设备
JP2021038109A JP7223048B2 (ja) 2020-03-17 2021-03-10 タスク計算量決定方法、装置、電子機器及びコンピュータプログラム製品
KR1020210034378A KR102542247B1 (ko) 2020-03-17 2021-03-17 태스크 연산량 확정 방법, 장치, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010185070.4A CN111427758B (zh) 2020-03-17 2020-03-17 任务计算量确定方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN111427758A true CN111427758A (zh) 2020-07-17
CN111427758B CN111427758B (zh) 2024-07-19

Family

ID=71549540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010185070.4A Active CN111427758B (zh) 2020-03-17 2020-03-17 任务计算量确定方法、装置和电子设备

Country Status (3)

Country Link
JP (1) JP7223048B2 (zh)
KR (1) KR102542247B1 (zh)
CN (1) CN111427758B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913855A (zh) * 2020-09-21 2020-11-10 北京百度网讯科技有限公司 确定目标任务计算量的方法和装置
CN112506653A (zh) * 2020-12-03 2021-03-16 浙江大华技术股份有限公司 一种抽帧帧率调节方法及装置
CN113419917A (zh) * 2021-06-23 2021-09-21 蔚然(南京)动力科技有限公司 一种嵌入式操作系统任务和中断的cpu负载率计算方法
CN117453486A (zh) * 2023-11-13 2024-01-26 摩尔线程智能科技(北京)有限责任公司 面向进程的gpu利用率的确定方法、装置、设备和介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113590282A (zh) * 2021-07-19 2021-11-02 海宁奕斯伟集成电路设计有限公司 算力调度方法、系统、电子设备及计算机可读存储介质
CN114048857B (zh) * 2021-10-22 2024-04-09 天工量信(苏州)科技发展有限公司 算力分配方法、装置及算力服务器

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338264A (ja) * 2005-06-01 2006-12-14 Toyota Infotechnology Center Co Ltd タスク割当装置およびタスク割当方法
CN101650685A (zh) * 2009-08-28 2010-02-17 曙光信息产业(北京)有限公司 设备能效的确定方法和装置
US20120271480A1 (en) * 2011-04-22 2012-10-25 Jon James Anderson Sensorless detection and management of thermal loading in a multi-processor wireless device
JP2013250905A (ja) * 2012-06-04 2013-12-12 Hitachi Ltd 仮想計算機システム及び仮想計算機システムの負荷制御方法
WO2017016074A1 (zh) * 2015-07-30 2017-02-02 中兴通讯股份有限公司 Cpu占用率检测方法及装置
CN107231264A (zh) * 2017-07-25 2017-10-03 北京百度网讯科技有限公司 用于管理云服务器的容量的方法和装置
CN107491378A (zh) * 2017-08-31 2017-12-19 杭州迪普科技股份有限公司 一种cpu占用率的确定方法及装置
CN109002377A (zh) * 2018-07-26 2018-12-14 郑州云海信息技术有限公司 一种处理器检测方法、处理器检测装置以及计算机设备
CN110597639A (zh) * 2019-09-23 2019-12-20 腾讯科技(深圳)有限公司 Cpu分配控制方法、装置、服务器及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797115A (en) * 1995-08-24 1998-08-18 Fuller; Billy Measuring direct and indirect usage of a central processing unit
KR20120067825A (ko) * 2010-12-16 2012-06-26 한국전자통신연구원 임베디드 리눅스를 위한 적응형 프로세스 스케쥴링 방법
KR101545146B1 (ko) * 2013-11-28 2015-08-20 한국과학기술정보연구원 클라우드 스토리지 기반 작업 수행 시스템 및 방법
KR102237373B1 (ko) * 2014-07-02 2021-04-07 삼성전자 주식회사 전자 장치의 태스크 스케줄링 방법 및 이를 사용하는 전자 장치
CN110362411B (zh) 2019-07-25 2022-08-02 哈尔滨工业大学 一种基于Xen系统的CPU资源调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006338264A (ja) * 2005-06-01 2006-12-14 Toyota Infotechnology Center Co Ltd タスク割当装置およびタスク割当方法
CN101650685A (zh) * 2009-08-28 2010-02-17 曙光信息产业(北京)有限公司 设备能效的确定方法和装置
US20120271480A1 (en) * 2011-04-22 2012-10-25 Jon James Anderson Sensorless detection and management of thermal loading in a multi-processor wireless device
JP2013250905A (ja) * 2012-06-04 2013-12-12 Hitachi Ltd 仮想計算機システム及び仮想計算機システムの負荷制御方法
WO2017016074A1 (zh) * 2015-07-30 2017-02-02 中兴通讯股份有限公司 Cpu占用率检测方法及装置
CN107231264A (zh) * 2017-07-25 2017-10-03 北京百度网讯科技有限公司 用于管理云服务器的容量的方法和装置
CN107491378A (zh) * 2017-08-31 2017-12-19 杭州迪普科技股份有限公司 一种cpu占用率的确定方法及装置
CN109002377A (zh) * 2018-07-26 2018-12-14 郑州云海信息技术有限公司 一种处理器检测方法、处理器检测装置以及计算机设备
CN110597639A (zh) * 2019-09-23 2019-12-20 腾讯科技(深圳)有限公司 Cpu分配控制方法、装置、服务器及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
丁玺润 等: "面向容器的云平台数据重分布策略研究", vol. 35, no. 05, pages 26 - 29 *
周渝斌 等: "基于多核计算的实时数字图像稳定", 计算机科学, vol. 37, no. 04, pages 269 - 273 *
张帆 等: "基于网格计算的SAR回波分布式仿真", vol. 20, no. 12, pages 3165 - 3170 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913855A (zh) * 2020-09-21 2020-11-10 北京百度网讯科技有限公司 确定目标任务计算量的方法和装置
CN112506653A (zh) * 2020-12-03 2021-03-16 浙江大华技术股份有限公司 一种抽帧帧率调节方法及装置
CN113419917A (zh) * 2021-06-23 2021-09-21 蔚然(南京)动力科技有限公司 一种嵌入式操作系统任务和中断的cpu负载率计算方法
CN113419917B (zh) * 2021-06-23 2024-06-11 蔚然(南京)动力科技有限公司 一种嵌入式操作系统任务和中断的cpu负载率计算方法
CN117453486A (zh) * 2023-11-13 2024-01-26 摩尔线程智能科技(北京)有限责任公司 面向进程的gpu利用率的确定方法、装置、设备和介质

Also Published As

Publication number Publication date
JP7223048B2 (ja) 2023-02-15
JP2021099860A (ja) 2021-07-01
KR102542247B1 (ko) 2023-06-12
KR20210038455A (ko) 2021-04-07
CN111427758B (zh) 2024-07-19

Similar Documents

Publication Publication Date Title
CN111427758A (zh) 任务计算量确定方法、装置和电子设备
JP7301077B2 (ja) 自律走行システムのテスト方法、装置、電子機器、プログラム及びコンピュータ読み取り可能な記録媒体
CA3004885C (en) Asynchronous deep reinforcement learning
KR102490908B1 (ko) 자원 스케줄링 방법 및 단말 장치
CN105144118A (zh) 应用测试和分析
US20230281515A1 (en) Distributed learning model for fog computing
US20080196030A1 (en) Optimizing memory accesses for multi-threaded programs in a non-uniform memory access (numa) system
US9766996B1 (en) Learning-based data processing job performance modeling and prediction
CN108898229B (zh) 用于构建机器学习建模过程的方法及系统
CN116562156B (zh) 一种控制决策模型的训练方法、装置、设备及存储介质
US20220374678A1 (en) Method for determining pre-training model, electronic device and storage medium
CN114021378A (zh) 一种模型仿真方法、装置、电子设备及存储介质
CN112559721B (zh) 人机对话系统的调整方法、装置、设备、介质和程序产品
CN112965903A (zh) 测试方法、装置、电子设备及计算机可读存储介质
CN112784985A (zh) 神经网络模型的训练方法及装置、图像识别方法及装置
CN113419941A (zh) 评估方法及装置、电子设备和计算机可读存储介质
CN117971630B (zh) 异构计算平台及其任务仿真与耗时预测方法、装置、设备
CN117687860A (zh) 一种芯片性能测试方法及装置
JP2022095895A (ja) 交通データ予測方法、交通データ予測装置、電子機器、記憶媒体、コンピュータプログラム製品及びコンピュータプログラム
CN103543982B (zh) 一种时钟频率管理方法及移动设备
Ren et al. Dynamic scheduling for energy minimization in delay-sensitive stream mining
KR102379026B1 (ko) 전자 장치 및 이의 프로세싱 유닛의 소모 전력 산출 방법
CN113886746A (zh) 页面加载方法、装置、设备和介质
CN103336458B (zh) 采集时间控制模式下的多线程数据采集系统同步控制方法
CN111090554A (zh) 服务器性能测试时间的预测方法、装置、设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240401

Address after: 510000 No. 106 Fengze East Road, Nansha District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou dinghang Information Technology Service Co.,Ltd.

Country or region after: China

Address before: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Country or region before: China

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240617

Address after: Room 219, 1st to 2nd floors, Building 8, Artificial Intelligence Industrial Park, No. 266 Chuangyan Road, Qilin Technology Innovation Park, Nanjing, Jiangsu Province, 210000

Applicant after: Zhongke Zhuoqi (Nanjing) Technology Co.,Ltd.

Country or region after: China

Address before: 510000 No. 106 Fengze East Road, Nansha District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou dinghang Information Technology Service Co.,Ltd.

Country or region before: China

GR01 Patent grant
GR01 Patent grant