CN111768329A - 采集内核执行时间的方法、装置、存储介质及电子设备 - Google Patents

采集内核执行时间的方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN111768329A
CN111768329A CN201910258275.8A CN201910258275A CN111768329A CN 111768329 A CN111768329 A CN 111768329A CN 201910258275 A CN201910258275 A CN 201910258275A CN 111768329 A CN111768329 A CN 111768329A
Authority
CN
China
Prior art keywords
sampling probability
execution time
kernel
sampling
probability
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
CN201910258275.8A
Other languages
English (en)
Other versions
CN111768329B (zh
Inventor
戴国浩
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.)
Vita Technology Beijing Co ltd
Original Assignee
Vita Technology Beijing 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 Vita Technology Beijing Co ltd filed Critical Vita Technology Beijing Co ltd
Priority to CN201910258275.8A priority Critical patent/CN111768329B/zh
Publication of CN111768329A publication Critical patent/CN111768329A/zh
Application granted granted Critical
Publication of CN111768329B publication Critical patent/CN111768329B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本公开是关于一种采集内核执行时间的方法、装置、存储介质及电子设备，用以解决现有的内核采集方法存在降低内核性能的问题。所述方法包括：按照第一采样概率采集所述内核的执行时间；当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；按照所述第二采样概率采集所述内核的执行时间。

Description

采集内核执行时间的方法、装置、存储介质及电子设备
技术领域
本公开涉及计算机技术领域，具体地，涉及一种采集内核执行时间的方法、装置、存储介质和电子设备。
背景技术
GPU(Graphics Processing Unit，图形处理器)是一种在个人电脑、工作站、智能手机等电子设备上进行图像运算的微处理器。由于GPU具有强大的图像运算能力，已成为目标人工智能、深度学习等领域常用的硬件加速器。
如图1所示，GPU在工作时，通常需要将输入数据从CPU(Central ProcessingUnit，中央处理器)的内存中拷贝到GPU自己的内存中，并将需要执行的内核加载到GPU上执行，最后将内核的执行结果从GPU内存中拷贝到CPU内存中。而内核的执行时间是优化GPU性能的重要依据，因此采集内核的执行时间十分必要。
现有的采集内核执行时间的方法，在每次执行内核的过程中，都会采集该内核的执行时间，以便根据采集到的数据对GPU的性能进行评估。然而，对于一个需要被反复执行很多次的内核，每次执行都采集该内核的执行时间将导致整个内核性能严重下降。
发明内容
本公开的目的是提供一种采集内核执行时间的方法、装置、存储介质及电子设备，用以解决现有的内核采集方法存在降低内核性能的问题。
为了实现上述目的，根据本公开实施例的第一方面，提供一种采集内核执行时间的方法，包括：
按照第一采样概率采集所述内核的执行时间；
当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；
按照所述第二采样概率采集所述内核的执行时间。
可选地，所述当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率，包括：
根据所述采集到的历史执行时间确定参考值；
若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
可选地，所述当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率，还包括：
若最后一次采集到的历史执行时间与所述参考值之间的差值小于第二预设阈值，则减小所述第一采样概率，得到所述第二采样概率，其中，所述第二预设阈值小于所述第一预设阈值。
可选地，所述增大所述第一采样概率，包括：
根据以下公式增加所述第一采样概率：
P2＝min(1,P1+delta1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
可选地，所述减小所述第一采样概率，包括：
根据以下公式减小所述第一采样概率：
P2＝max(Pth,P1-delta2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
可选地，在所述按照第一采样概率采集所述内核的执行时间之前，还包括：确定所述内核的执行次数达到预设次数。
根据本公开实施例的第二方面，提供一种采集内核执行时间的装置，包括：
第一采集模块，用于按照第一采样概率采集所述内核的执行时间；
调整模块，用于采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；
第二采集模块，用于按照所述第二采样概率采集所述内核的执行时间。
可选地，所述调整模块包括：
第一确定子模块，用于根据所述采集到的历史执行时间确定参考值；
第一调整子模块，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
可选地，所述调整模块还包括：
第二调整子模块，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
可选地，所述第一调整子模块用于：
根据以下公式增加所述第一采样概率：
P2＝min(1,P1+delta1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
可选地，所述第二调整子模块用于：
根据以下公式减小所述第一采样概率：
P2＝max(Pth,P1-delta2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
可选地，所述装置还包括：
确定模块，用于在所述第一采集模块按照第一采样概率采集所述内核的执行时间之前，确定所述内核的执行次数达到预设次数。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的采集内核执行时间的方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的采集内核执行时间的方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：
按照第一采样概率采集内核的执行时间，当采集到的历史执行时间满足预设条件时，根据采集到的历史执行时间将第一采样概率调整为和第二采样概率，并按照第二采样概率采集内核的执行时间，相比于现有采集方式在每次执行内核时都采集内核的执行时间，本公开提供的技术方案按照采样概率来采集内核的执行时间，对于需重复执行多次的内核，可以避免现有的采集方式导致内核性能下降的问题，进而降低内核的性能成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种GPU工作场景的示意图；
图2是根据一示例性实施例示出的一种采集内核执行时间的方法的流程图；
图3是根据一示例性实施例示出的另一种采集内核执行时间的方法的流程图；
图4是根据一示例性实施例示出的另一种采集内核执行时间的方法的流程图；
图5是根据一示例性实施例示出的一种采集内核执行时间的装置的框图；
图6是根据一示例性实施例示出的另一种采集内核执行时间的装置的框图；
图7是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
本公开实施例提供一种采集内核执行时间的方法，该方法可以由电子设备的GPU实施。如图2所示，图2是根据一示例性实施例示出的一种采集内核执行时间的方法的流程图，该方法包括以下步骤：
S201、按照第一采样概率采集内核的执行时间。
在本公开的实施例中，采样概率是指需采样的次数与该内核总共需要被执行的次数的比值，采样概率越高，对内核的执行时间进行采样的频率越高；反之，对内核的执行时间进行采样的频率越低。
在按照采样概率进行内核执行时间的采集时，可根据采样概率和该内核总共需要被执行的次数计算出需采样的次数，根据计算出的采样次数确定采样频率，并按照该采样频率进行采样。
S202、当采集到的历史执行时间满足预设条件时，根据采集到的历史执行时间将第一采样概率调整为第二采样概率。
其中，采集到的历史执行时间包括已进行的各次采样所采集到的执行时间。例如，若当前已对内核的执行时间进行了5次采样，则采集到的历史执行时间包括这5次采集的执行时间。
S203、按照第二采样概率采集内核的执行时间。
在具体实施时，在按照第一采样概率每采集一次内核的执行时间后，都判断当前采集到的历史执行时间是否满足预设条件，若满足预设条件，则根据当前采集到的历史执行时间对第一采样概率进行调整。
采用上述方法，按照第一采样概率采集内核的执行时间，当采集到的历史执行时间满足预设条件时，根据采集到的历史执行时间将第一采样概率调整为和第二采样概率，并按照第二采样概率采集内核的执行时间，相比于现有采集方式在每次执行内核时都采集内核的执行时间，本公开提供的技术方案按照采样概率来采集内核的执行时间，对于需重复执行多次的内核，可以避免现有的采集方式导致内核性能下降的问题，进而降低内核的性能成本。
为了使本领域技术人员更加理解本公开实施例提供的技术方案，下面对上述步骤进行详细说明。
首先说明步骤S201，即当采集到的历史执行时间满足预设条件时，如何根据采集到的历史执行时间将第一采样概率调整为第二采样概率。
如图3所示，在一种可选的实施方式中，可根据采集到的内核的历史执行时间确定参考值，其中，参考值可以例如为以下值中的任一者：除最后一次采集到的历史执行时间以外的其他所有采集到的历史执行时间的平均值、在所述最后一次之前的一次采集到的历史执行时间等，本公开对此不做限定。相应地，预设条件可以包括所述最后一次采集到的历史执行时间与该参考值之间的差值大于第一预设阈值。当采集到的历史执行时间满足该预设条件时，则表明最后一次采集到的历史执行时间与之前采集到的历史执行时间具有显著差异，因而可增大第一采样概率，以提高采样频率，进而保证采样准确性。
对于增大采样概率的具体方式，可选地，可根据公式(1)增加第一采样概率，得到第二采样概率。
P2＝min(1,P1+delta1) (1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
值得说明的是，第一预设阈值和第一预设变化量可由用户根据实际需要进行设置。
进一步地，如图3所示，预设条件还可以包括所述最后一次采集到的历史执行时间与该参考值之间的差值小于第二预设阈值，其中，第二预设阈值小于第一预设阈值。当采集到的历史执行时间满足该预设条件时，则表明最后一次采集到的历史执行时间与之前采集到的历史执行时间接近，因而可减小第一采样概率，以降低采样频率，进而进一步提升能内核性能。
对于减小采样概率的具体方式，可选地，可根据公式(2)减小第一采样概率，得到第二采样概率。
P2＝max(Pth,P1-delta2) (2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
值得说明的是，第二预设阈值和第二预设变化量可由用户根据实际需要进行设置。
此外，通过上述公式(2)来计算第二采样概率，可以保证对内核执行时间进行采集的采样概率不会低于预设最小采样概率，从而保证至少能够以一个最低的采样概率进行采样，进而保证采样结果的准确性。
进一步地，如图3所示，若集到的历史执行时间不满足预设条件，则仍按照第一采样概率采集该内核的执行时间。
在本公开的另一个实施例中，如图4所示，上述图2和图3所示的采集内核的执行时间的方法可以是在内核的执行次数达到预定次数之后执行。也就是说，在第一次执行该内核时，采集该内核当次的执行时间并对该内核的执行次数进行计数，并判断该内核的执行次数是否达到预定次数，若该内核的执行次数未达到该预定次数，则重复执行该过程，直到该内核的执行次数达到预定次数。当确定该内核的执行次数达到该预定次数时，执行上述步骤S201(即按照第一采样概率采集该内核的执行时间)至S203(即按照第二采样概率采集该内核的执行时间)。具体地，在内核的执行次数达到预定次数后，可首先选取0至1之间的任一数值作为第一采样概率进行采样，并在每一次采样后，根据当前采集到的历史执行时间判断是否满足预设条件，若当前采集到的历史执行时间不满足预设条件，则继续以该第一采样概率进行采样；若当前采集到的历史执行时间满足预设条件，则根据上述图3所示的调整方式将第一采样概率调整为第二采样概率，并按照第二采样概率采集该内核的执行时间。
值得说明的是，上述图2和图3所示的采集内核的执行时间的方法可以，可以重复执行多次。也就是说，将调整后得到的第二采样概率作为新的第一采样概率，重复执行上述步骤S201至S203，以不断调整内核执行时间的采样概率，在保证内核性能的同时提升采样准确性。
另外，在上述任一实施例所述的采集内核执行时间的方法中，在每一次进行内核执行时间的采集时，都可通过CUDA函数实现，具体实施方式如下：首先，通过cudaEventCreate(&start)创建开始事件、通过cudaEventCreate(&stop)创建结束事件以及通过cudaEventRecord(start)记录内核的执行开始时间；接着，将内核加载到GPU执行，并通过cudaEventRecord(stop)记录内核的执行结束时间以及通过cudaEventSynchronize(stop)等待结束事件完成，并将开始时间和结束时间之间的差值作为内核的当次执行时间。
本公开实施例还提供一种采集内核执行时间的装置，如图5所示，图5是根据一示例性实施例示出的一种采集内核执行时间的装置，该装置500包括：
第一采集模块510，用于按照第一采样概率采集所述内核的执行时间；
调整模块520，用于采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；
第二采集模块530，用于按照所述第二采样概率采集所述内核的执行时间。
采用上述装置，按照第一采样概率采集内核的执行时间，当采集到的历史执行时间满足预设条件时，根据采集到的历史执行时间将第一采样概率调整为和第二采样概率，并按照第二采样概率采集内核的执行时间，相比于现有采集方式在每次执行内核时都采集内核的执行时间，本公开提供的技术方案按照采样概率来采集内核的执行时间，对于需重复执行多次的内核，可以避免现有的采集方式导致内核性能下降的问题，进而降低内核的性能成本。
可选地，如图6所示，所述调整模块520包括：
第一确定子模块521，用于根据所述采集到的历史执行时间确定参考值；
第一调整子模块522，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
可选地，如图6所示，所述调整模块520还包括：
第二调整子模块523，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
可选地，所述第一调整子模块522用于：
根据以下公式增加所述第一采样概率：
P2＝min(1,P1+delta1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
可选地，所述第二调整子模块523用于：
根据以下公式减小所述第一采样概率：
P2＝max(Pth,P1-delta2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
可选地，如图6所示，所述装置500还包括：
确定模块540，用于在所述第一采集模块按照第一采样概率采集所述内核的执行时间之前，确定所述内核的执行次数达到预设次数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本领域的技术人员可以清楚地了解到，为描述的方便和简洁，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。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的采集内核执行时间的方法的步骤。
本公开实施例还提供一种电子设备，该电子设备可以被提供作为一种服务器，该电子设备包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的采集内核执行时间的方法的步骤。
图7是根据一示例性实施例示出的一种电子设备700的框图。如图7所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。
其中，处理器701用于控制该电子设备700的整体操作，以完成上述的采集内核执行时间的方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件705可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的采集内核执行时间的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的采集内核执行时间的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器702，上述程序指令可由电子设备700的处理器701执行以完成上述的采集内核执行时间的方法。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (14)

1.一种采集内核执行时间的方法，其特征在于，包括：
按照第一采样概率采集所述内核的执行时间；
当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；
按照所述第二采样概率采集所述内核的执行时间。
2.根据权利要求1所述的方法，其特征在于，所述当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率，包括：
根据所述采集到的历史执行时间确定参考值；
若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
3.根据权利要求2所述的方法，其特征在于，所述当采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率，还包括：
若最后一次采集到的历史执行时间与所述参考值之间的差值小于第二预设阈值，则减小所述第一采样概率，得到所述第二采样概率，其中，所述第二预设阈值小于所述第一预设阈值。
4.根据权利要求2所述的方法，其特征在于，所述增大所述第一采样概率，包括：
根据以下公式增加所述第一采样概率：
P2＝min(1,P1+delta1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
5.根据权利要求3所述的方法，其特征在于，所述减小所述第一采样概率，包括：
根据以下公式减小所述第一采样概率：
P2＝max(Pth,P1-delta2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在所述按照第一采样概率采集所述内核的执行时间之前，还包括：确定所述内核的执行次数达到预设次数。
7.一种采集内核执行时间的装置，其特征在于，包括：
第一采集模块，用于按照第一采样概率采集所述内核的执行时间；
调整模块，用于采集到的历史执行时间满足预设条件时，根据所述采集到的历史执行时间将所述第一采样概率调整为第二采样概率；
第二采集模块，用于按照所述第二采样概率采集所述内核的执行时间。
8.根据权利要求7所述的装置，其特征在于，所述调整模块包括：
第一确定子模块，用于根据所述采集到的历史执行时间确定参考值；
第一调整子模块，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
9.根据权利要求8所述的装置，其特征在于，所述调整模块还包括：
第二调整子模块，用于若最后一次采集到的历史执行时间与所述参考值之间的差值大于第一预设阈值，则增大所述第一采样概率，得到所述第二采样概率。
10.根据权利要求7所述的装置，其特征在于，所述第一调整子模块用于：
根据以下公式增加所述第一采样概率：
P2＝min(1,P1+delta1)
其中，P1为所述第一采样概率；P2为所述第二采样概率；delta1为第一预设变化量。
11.根据权利要求8所述的装置，其特征在于，所述第二调整子模块用于：
根据以下公式减小所述第一采样概率：
P2＝max(Pth,P1-delta2)
其中，P1为所述第一采样概率；P2为所述第二采样概率；Pth为预设最小采样概率；delta2为第二预设变化量。
12.根据权利要求7至11中任一项所述的装置，其特征在于，所述装置还包括：
确定模块，用于在所述第一采集模块按照第一采样概率采集所述内核的执行时间之前，确定所述内核的执行次数达到预设次数。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至6中任一项所述方法的步骤。
CN201910258275.8A 2019-04-01 2019-04-01 采集内核执行时间的方法、装置、存储介质及电子设备 Active CN111768329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910258275.8A CN111768329B (zh) 2019-04-01 2019-04-01 采集内核执行时间的方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910258275.8A CN111768329B (zh) 2019-04-01 2019-04-01 采集内核执行时间的方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN111768329A true CN111768329A (zh) 2020-10-13
CN111768329B CN111768329B (zh) 2024-03-15

Family

ID=72718041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910258275.8A Active CN111768329B (zh) 2019-04-01 2019-04-01 采集内核执行时间的方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN111768329B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005136746A (ja) * 2003-10-30 2005-05-26 Murata Mach Ltd 画像読取装置
US20120105465A1 (en) * 2010-10-28 2012-05-03 Microsoft Corporation Techniques for efficient sampling for image effects
CN102473280A (zh) * 2009-07-31 2012-05-23 富士胶片株式会社 图像处理装置和方法、数据处理装置和方法、程序和记录介质
JP2014092997A (ja) * 2012-11-05 2014-05-19 Toshiba Corp 画像処理装置、方法、及びプログラム、並びに、画像表示装置
CN104156268A (zh) * 2014-07-08 2014-11-19 四川大学 一种GPU上MapReduce负载分配和线程结构优化方法
US20160335737A1 (en) * 2015-05-14 2016-11-17 Qualcomm Innovation Center, Inc. Vsync aligned cpu frequency governor sampling
CN107423433A (zh) * 2017-08-03 2017-12-01 聚好看科技股份有限公司 一种数据采样率控制方法及装置
CN107515663A (zh) * 2016-06-15 2017-12-26 北京京东尚科信息技术有限公司 调整中央处理器内核运行频率的方法和装置
CN108268322A (zh) * 2018-02-26 2018-07-10 北京小米移动软件有限公司 内存优化的方法、装置及计算机可读存储介质
CN108351959A (zh) * 2016-08-24 2018-07-31 谷歌有限责任公司 基于变化检测的图像采集任务系统
US20190004946A1 (en) * 2017-06-30 2019-01-03 EMC IP Holding Company LLC Method and device for cache management

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005136746A (ja) * 2003-10-30 2005-05-26 Murata Mach Ltd 画像読取装置
CN102473280A (zh) * 2009-07-31 2012-05-23 富士胶片株式会社 图像处理装置和方法、数据处理装置和方法、程序和记录介质
US20120105465A1 (en) * 2010-10-28 2012-05-03 Microsoft Corporation Techniques for efficient sampling for image effects
JP2014092997A (ja) * 2012-11-05 2014-05-19 Toshiba Corp 画像処理装置、方法、及びプログラム、並びに、画像表示装置
CN104156268A (zh) * 2014-07-08 2014-11-19 四川大学 一种GPU上MapReduce负载分配和线程结构优化方法
US20160335737A1 (en) * 2015-05-14 2016-11-17 Qualcomm Innovation Center, Inc. Vsync aligned cpu frequency governor sampling
CN107515663A (zh) * 2016-06-15 2017-12-26 北京京东尚科信息技术有限公司 调整中央处理器内核运行频率的方法和装置
CN108351959A (zh) * 2016-08-24 2018-07-31 谷歌有限责任公司 基于变化检测的图像采集任务系统
US20190004946A1 (en) * 2017-06-30 2019-01-03 EMC IP Holding Company LLC Method and device for cache management
CN107423433A (zh) * 2017-08-03 2017-12-01 聚好看科技股份有限公司 一种数据采样率控制方法及装置
CN108268322A (zh) * 2018-02-26 2018-07-10 北京小米移动软件有限公司 内存优化的方法、装置及计算机可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LÁSZLÓ VARGA等: "Direction-dependency of binary tomographic reconstruction algorithms", GRAPHICAL MODELS, vol. 73, no. 6, pages 365 - 375, XP028317905, DOI: 10.1016/j.gmod.2011.06.006 *
张朝晖;於建生;薛钰娟;徐勤建;: "基于GPGPU的准实时测频技术", 雷达科学与技术, no. 02, pages 89 - 93 *
王桂彬;: "模型指导的多维GPU软件低功耗优化方法", 计算机学报, no. 05, pages 155 - 165 *

Also Published As

Publication number Publication date
CN111768329B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
US11429880B2 (en) Methods and systems for preloading applications and generating prediction models
CN105376335B (zh) 一种采集数据上传方法和装置
CN108255673B (zh) 应用程序占用资源的检测方法、装置和存储介质
CN111324533B (zh) A/b测试方法、装置及电子设备
CN110750437B (zh) 一种设备调试方法、装置、设备及系统
CN108234293B (zh) 表情管理方法、表情管理装置及智能终端
CN113765873B (zh) 用于检测异常访问流量的方法和装置
CN112631888A (zh) 分布式系统的故障预测方法、装置、存储介质及电子设备
CN106250180B (zh) 一种odex优化控制方法及移动终端
CN111816178A (zh) 语音设备的控制方法、装置和设备
CN108197002B (zh) 移动设备无埋点数据统计方法、系统、终端及介质
EP3846015A1 (en) Window adjustment method, window adjustment device and mobile terminal
CN111582432B (zh) 一种网络参数处理方法及装置
CN112445588A (zh) 应用任务的处理方法、装置、设备及可读存储介质
CN111104180A (zh) 应用程序优化方法、装置、存储介质及电子设备
CN111857366B (zh) 用于确定耳机的双击动作的方法、装置及耳机
CN111768329A (zh) 采集内核执行时间的方法、装置、存储介质及电子设备
CN108170292B (zh) 表情管理方法、表情管理装置及智能终端
CN110780820A (zh) 一种连续存储空间确定方法、装置及电子设备和存储介质
CN110020166B (zh) 一种数据分析方法及相关设备
CN112765019B (zh) 压测方法、装置、存储介质及电子设备
CN116781568A (zh) 数据监控告警方法、装置、设备及存储介质
CN111783872B (zh) 训练模型的方法、装置、电子设备及计算机可读存储介质
CN111159118B (zh) 轮询监听方法、装置、存储介质和电子设备
CN109597495A (zh) 一种信息预测方法、装置及设备

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