CN112231158A - 一种测试多卡gpgpu集群浮点运算性能的方法及装置 - Google Patents
一种测试多卡gpgpu集群浮点运算性能的方法及装置 Download PDFInfo
- Publication number
- CN112231158A CN112231158A CN202011045136.6A CN202011045136A CN112231158A CN 112231158 A CN112231158 A CN 112231158A CN 202011045136 A CN202011045136 A CN 202011045136A CN 112231158 A CN112231158 A CN 112231158A
- Authority
- CN
- China
- Prior art keywords
- gpgpu
- card
- test function
- performance
- configuring
- 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.)
- Withdrawn
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000006870 function Effects 0.000 claims abstract description 82
- 230000010354 integration Effects 0.000 claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 230000001133 acceleration Effects 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000013528 artificial neural network Methods 0.000 claims description 18
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 claims description 14
- 238000011056 performance test Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
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
-
- 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
- G06F11/26—Functional testing
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)
Abstract
本发明提供一种测试多卡GPGPU集群浮点运算性能的方法及装置，所述方法包括如下步骤：S1.在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；S2.启动测试功能集成模块，测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；S3.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；S4.测试功能集成模块自动对多卡GPGPU集群系统进行性能测试，生成测试结果。
Description
技术领域
本发明属于服务器板卡测试技术领域，具体涉及一种测试多卡GPGPU集群浮点运算性能的方法及装置。
背景技术
GPGPU，是General-purpose computing on Graphics Processing Units的简称，通用计算图形处理器。
CUDA，是Compute Unified Device Architecture的简称，统一计算架构。
GPU，是Graphics Processing Unit的简称，绘图处理单元。
OpenMPI，是Open Message Passing Interface的简称，开放式消息传递接口。
HPL，是High Performance Linpack的简称，一种丛集计算机效能评估软件。
随着科技的不断发展与进步，数据愈来愈庞大，导致数据处理、分析与应用相应越来越困难。随着应用统一计算架构CUDA的GPU快速进步，已经使得GPU的应用范围不只局限于绘图处理平台，而是扩大应用到高效能运算，于是有了GPGPU。
为了提高应用程序的处理能力，在较短的时间内完成复杂以及大量运的算工作以，在一台服务器上搭载多卡GPGPU的系统日渐趋增，而多卡GPGPU集群浮点运算性能表现也成为大家关注的重点。GPGPU产品分类多且广，在测试GPGPU效能时，需根据不同的GPGPU型号，手动设定不同的参数及调优配置；但现有公开技术中只有单卡GPGPU的浮点运算测试方式，而多卡GPGPU的集群浮点运算性能又不等于单卡GPGPU浮点运算的倍数，所以通过现有测试方式无法准确获得多卡GPGPU集群浮点运算性能结果。
此为现有技术的不足，因此，针对现有技术中的上述缺陷，提供一种测试多卡GPGPU集群浮点运算性能的方法及装置，是非常有必要的。
发明内容
针对现有技术的上述现有测试方式无法准确获得多卡GPGPU集群浮点运算性能结果的缺陷，本发明提供一种测试多卡GPGPU集群浮点运算性能的方法及装置，以解决上述技术问题。
第一方面，本发明提供一种测试多卡GPGPU集群浮点运算性能的方法，包括如下步骤：
S1.在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；
S2.启动测试功能集成模块，测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；
S3.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
S4.测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
进一步地，步骤S1具体步骤如下：
S11.在多卡GPGPU集群Linux操作系统配置性能评估工具；
S12.在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
S13.在多卡GPGPU集群Linux操作系统配置测试功能集成模块。
进一步地，性能评估工具采用HPL工具。
进一步地，步骤S2具体步骤如下：
S21.启动测试功能集成模块；
S22.测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
S23.测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包。
进一步地，步骤S3具体步骤如下：
S31.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小；
S32.测试功能集成模块将多卡GPGPU集群系统GPGPU的数量和内存大小提供给性能评估工具HPL的dat文件；
S33.性能评估工具HPL根据当前多卡GPGPU集群系统GPGPU的数量及内存大小，自动调整多卡GPGPU集群系统的时钟频率，实现性能优化设定。
第二方面，本发明提供一种测试多卡GPGPU集群浮点运算性能的装置，包括：
工具配置单元，用于在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；
测试启动及环境配置单元，用于启动测试功能集成模块，配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；
性能优化设定单元，用于配置测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
性能测试单元，用于配置测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
进一步地，工具配置单元包括：
性能评估工具配置子单元，用于在多卡GPGPU集群Linux操作系统配置性能评估工具；
GPU加速库配置子单元，用于在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
测试功能集成模块配置子单元，用于在多卡GPGPU集群Linux操作系统配置测试功能集成模块。
进一步地，性能评估工具采用HPL工具。
进一步地，测试启动及环境配置单元包括：
测试功能集成模块启动子单元，用于启动测试功能集成模块；
驱动及工具下载子单元，用于配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
驱动及工具安装子单元，用于配置测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包。
进一步地，性能优化设定单元包括：
参数获取子单元，用于配置测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小；
参数提供子单元，用于配置测试功能集成模块将多卡GPGPU集群系统GPGPU的数量和内存大小提供给性能评估工具HPL的dat文件；
性能优化设定子单元，用于配置性能评估工具HPL根据当前多卡GPGPU集群系统GPGPU的数量及内存大小，自动调整多卡GPGPU集群系统的时钟频率，实现性能优化设定。
本发明的有益效果在于，
本发明提供的测试多卡GPGPU集群浮点运算性能的方法及装置，通过测试功能集成模块自动侦测当前多卡GPGPU集群系统的GPGPU型号及数量，并自动下载及安装测试所有驱动及工具软件，向性能评估工具导入参数，进行性能优化配置后，自动执行多控GPGPU集群系统浮点运行性能优化测试，得到最优化的性能结果；本发明自动化进行，生气测试人员下载所需驱动及软件的时间，省去研究待测GPGPU性能特性所需调优数据的时间，不依赖测试人员的专业性，避免人为失误，减少人工检视及程序间等待时间。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地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地介绍，显而易见地，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是本发明的方法流程示意图一；
图2是本发明的方法流程示意图二；
图3是本发明的系统示意图；
图中，1-工具配置单元；1.1-性能评估工具配置子单元；1.2-GPU加速库配置子单元；1.3-测试功能集成模块配置子单元；2-测试启动及环境配置单元；2.1-测试功能集成模块启动子单元；2.2-驱动及工具下载子单元；2.3-驱动及工具安装子单元；3-性能优化设定单元；3.1-参数获取子单元；3.2-参数提供子单元；3.3-性能优化设定子单元；4-性能测试单元。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
实施例1：
如图1所示，本发明提供一种测试多卡GPGPU集群浮点运算性能的方法，包括如下步骤：
S1.在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；
S2.启动测试功能集成模块，测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；
S3.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
S4.测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
实施例2：
如图2所示，本发明提供一种测试多卡GPGPU集群浮点运算性能的方法，包括如下步骤：
S1.在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；具体步骤如下：
S11.在多卡GPGPU集群Linux操作系统配置性能评估工具；性能评估工具采用HPL工具；
S12.在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
S13.在多卡GPGPU集群Linux操作系统配置测试功能集成模块；
S2.启动测试功能集成模块，测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；具体步骤如下：
S21.启动测试功能集成模块；
S22.测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
S23.测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
S3.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；具体步骤如下：
S31.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小；
S32.测试功能集成模块将多卡GPGPU集群系统GPGPU的数量和内存大小提供给性能评估工具HPL的dat文件；
S33.性能评估工具HPL根据当前多卡GPGPU集群系统GPGPU的数量及内存大小，自动调整多卡GPGPU集群系统的时钟频率，实现性能优化设定；
S4.测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
在某些实施例中，步骤S13中，将作为测试功能集成模块的自动化测试脚本放入多卡GPGPU集群Linux操作系统；
步骤S32中，将多卡GPGPU集群系统GPGPU的数量和内存大小以参数$N及$Psize的形式导入性能评估工具HPL的dat文件中。
实施例3：
如图3所示，本发明提供一种测试多卡GPGPU集群浮点运算性能的装置，包括：
工具配置单元1，用于在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；工具配置单元1包括：
性能评估工具配置子单元1.1，用于在多卡GPGPU集群Linux操作系统配置性能评估工具；
GPU加速库配置子单元1.2，用于在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
测试功能集成模块配置子单元1.3，用于在多卡GPGPU集群Linux操作系统配置测试功能集成模块；
测试启动及环境配置单元2，用于启动测试功能集成模块，配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；测试启动及环境配置单元2包括：
测试功能集成模块启动子单元2.1，用于启动测试功能集成模块；
驱动及工具下载子单元2.2，用于配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
驱动及工具安装子单元2.3，用于配置测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
性能优化设定单元3，用于配置测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
性能测试单元4，用于配置测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种测试多卡GPGPU集群浮点运算性能的方法，其特征在于，包括如下步骤：
S1.在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；
S2.启动测试功能集成模块，测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；
S3.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
S4.测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
2.如权利要求1所述的测试多卡GPGPU集群浮点运算性能的方法，其特征在于，步骤S1具体步骤如下：
S11.在多卡GPGPU集群Linux操作系统配置性能评估工具；
S12.在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
S13.在多卡GPGPU集群Linux操作系统配置测试功能集成模块。
3.如权利要求1或2所述的测试多卡GPGPU集群浮点运算性能的方法，其特征在于，性能评估工具采用HPL工具。
4.如权利要求3所述的测试多卡GPGPU集群浮点运算性能的方法，其特征在于，步骤S2具体步骤如下：
S21.启动测试功能集成模块；
S22.测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
S23.测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包。
5.如权利要求4所述的测试多卡GPGPU集群浮点运算性能的方法，其特征在于，步骤S3具体步骤如下：
S31.测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小；
S32.测试功能集成模块将多卡GPGPU集群系统GPGPU的数量和内存大小提供给性能评估工具HPL的dat文件；
S33.性能评估工具HPL根据当前多卡GPGPU集群系统GPGPU的数量及内存大小，自动调整多卡GPGPU集群系统的时钟频率，实现性能优化设定。
6.一种测试多卡GPGPU集群浮点运算性能的装置，其特征在于，包括：
工具配置单元(1)，用于在多卡GPGPU集群系统配置性能评估工具、GPU加速库以及测试功能集成模块；
测试启动及环境配置单元(2)，用于启动测试功能集成模块，配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号配置多卡GPGPU测试环境；
性能优化设定单元(3)，用于配置测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小，并将GPGPU的数量和内存大小提供给性能评估工具对多卡GPGPU集群系统进行性能优化设定；
性能测试单元(4)，用于配置测试功能集成模块自动对多卡GPGPU集群系统进行浮点运算性能测试，生成测试结果。
7.如权利要求6所述的测试多卡GPGPU集群浮点运算性能的装置，其特征在于，工具配置单元(1)包括：
性能评估工具配置子单元(1.1)，用于在多卡GPGPU集群Linux操作系统配置性能评估工具；
GPU加速库配置子单元(1.2)，用于在多卡GPGPU集群Linux操作系统配置深度神经网络GPU加速库；
测试功能集成模块配置子单元(1.3)，用于在多卡GPGPU集群Linux操作系统配置测试功能集成模块。
8.如权利要求7所述的测试多卡GPGPU集群浮点运算性能的装置，其特征在于，性能评估工具采用HPL工具。
9.如权利要求6所述的测试多卡GPGPU集群浮点运算性能的装置，其特征在于，测试启动及环境配置单元(2)包括：
测试功能集成模块启动子单元(2.1)，用于启动测试功能集成模块；
驱动及工具下载子单元(2.2)，用于配置测试功能集成模块自动获取多卡GPGPU集群系统的GPGPU型号，并根据GPGPU型号下载GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包；
驱动及工具安装子单元(2.3)，用于配置测试功能集成模块自动安装GPGPU驱动、CUDA工具包、深度神经网络GPU加速库以及OpenMPI接口包。
10.如权利要求6所述的测试多卡GPGPU集群浮点运算性能的装置，其特征在于，性能优化设定单元(3)包括：
参数获取子单元(3.1)，用于配置测试功能集成模块自动获取多卡GPGPU集群系统GPGPU的数量和内存大小；
参数提供子单元(3.2)，用于配置测试功能集成模块将多卡GPGPU集群系统GPGPU的数量和内存大小提供给性能评估工具HPL的dat文件；
性能优化设定子单元(3.3)，用于配置性能评估工具HPL根据当前多卡GPGPU集群系统GPGPU的数量及内存大小，自动调整多卡GPGPU集群系统的时钟频率，实现性能优化设定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011045136.6A CN112231158A (zh) | 2020-09-28 | 2020-09-28 | 一种测试多卡gpgpu集群浮点运算性能的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011045136.6A CN112231158A (zh) | 2020-09-28 | 2020-09-28 | 一种测试多卡gpgpu集群浮点运算性能的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112231158A true CN112231158A (zh) | 2021-01-15 |
Family
ID=74121217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011045136.6A Withdrawn CN112231158A (zh) | 2020-09-28 | 2020-09-28 | 一种测试多卡gpgpu集群浮点运算性能的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112231158A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116627746A (zh) * | 2023-07-21 | 2023-08-22 | 四川华鲲振宇智能科技有限责任公司 | 一种gpu服务器的测试设备及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104023062A (zh) * | 2014-06-10 | 2014-09-03 | 上海大学 | 一种面向异构计算的分布式大数据系统的硬件架构 |
| CN108958999A (zh) * | 2018-06-13 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种测试gpu浮点运算性能的方法和系统 |
| CN110096422A (zh) * | 2019-05-13 | 2019-08-06 | 苏州浪潮智能科技有限公司 | 一种基于容器的服务器计算性能测试方法与装置 |
-
2020
- 2020-09-28 CN CN202011045136.6A patent/CN112231158A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104023062A (zh) * | 2014-06-10 | 2014-09-03 | 上海大学 | 一种面向异构计算的分布式大数据系统的硬件架构 |
| CN108958999A (zh) * | 2018-06-13 | 2018-12-07 | 郑州云海信息技术有限公司 | 一种测试gpu浮点运算性能的方法和系统 |
| CN110096422A (zh) * | 2019-05-13 | 2019-08-06 | 苏州浪潮智能科技有限公司 | 一种基于容器的服务器计算性能测试方法与装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116627746A (zh) * | 2023-07-21 | 2023-08-22 | 四川华鲲振宇智能科技有限责任公司 | 一种gpu服务器的测试设备及方法 |
| CN116627746B (zh) * | 2023-07-21 | 2023-09-15 | 四川华鲲振宇智能科技有限责任公司 | 一种gpu服务器的测试设备及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9569325B2 (en) | Method and system for automated test and result comparison | |
| CN106933734A (zh) | 一种物理层软件自动化测试方法和装置 | |
| CN109740222B (zh) | 一种针对汽车网联化场景的测试装置和系统 | |
| CN103294579A (zh) | 一种高性能计算集群应用性能测试方法 | |
| CN107807883B (zh) | 一种用户态网络文件系统的单元测试方法及装置 | |
| US20230029359A1 (en) | Method and apparatus for testing ai chip computing performance, and non-transitory computer-readable storage medium | |
| EP4280051A1 (en) | Inference service deployment method and apparatus, device, and storage medium | |
| CN107590037A (zh) | 一种对服务器gpu进行edpp测试的方法 | |
| CN113608940A (zh) | 智能网卡的生产测试方法、系统、装置及可读存储介质 | |
| CN111427601A (zh) | 自动批量升级bios的方法、装置、计算机设备及存储介质 | |
| CN112231158A (zh) | 一种测试多卡gpgpu集群浮点运算性能的方法及装置 | |
| CN115268964A (zh) | 一种数据回注方法、系统、电子设备及可读存储介质 | |
| FR2958427A1 (fr) | Procede d'agencement d'un logiciel d'application sur le materiel informatique d'un equipement reel ou virtuel et architecture de commande de l'equipement comprenant un tel logiciel | |
| CN110134598B (zh) | 一种批量处理方法、装置及系统 | |
| US20140067358A1 (en) | Determining an optimal global quantum for an event-driven simulation | |
| CN111629200A (zh) | 一种快速检测差分包可靠性的方法、装置及可读存储介质 | |
| CN109446004A (zh) | 一种自动测试gpu的方法 | |
| US9332450B2 (en) | Unit testing and analysis of multiple UUTs | |
| CN115422091A (zh) | 一种固件调试方法及装置、电子设备、存储介质 | |
| CN114968753A (zh) | 设备升级测试方法、介质、电子设备及测试系统 | |
| CN114116497A (zh) | 测试方法与装置、服务器 | |
| CN113934642A (zh) | 一种基于动静态结合的软件兼容性测试方法 | |
| CN104035860A (zh) | 智能终端软件包测试任务生成方法、装置和系统 | |
| CN113111009A (zh) | 一种软件测试装置及测试方法 | |
| US7587642B2 (en) | System and method for performing concurrent mixed signal testing on a single processor |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210115 |
|
| WW01 | Invention patent application withdrawn after publication |