CN114527862B - 一种调整电力专用芯片功耗的方法、设备及介质 - Google Patents
一种调整电力专用芯片功耗的方法、设备及介质 Download PDFInfo
- Publication number
- CN114527862B CN114527862B CN202210135592.2A CN202210135592A CN114527862B CN 114527862 B CN114527862 B CN 114527862B CN 202210135592 A CN202210135592 A CN 202210135592A CN 114527862 B CN114527862 B CN 114527862B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- power
- task
- adjustment
- adjusted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001105 regulatory effect Effects 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims abstract description 19
- 239000003990 capacitor Substances 0.000 claims description 46
- 230000004927 fusion Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000000926 separation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/324—Power saving characterised by the action undertaken by lowering clock frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3243—Power saving in microcontroller unit
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种调整电力专用芯片功耗的方法、设备及介质,方法包括:将待调整电力专用芯片按照功能划分为多个区域,根据多个区域建立任务关联图;根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得多个区域的测量功耗与预测调整功耗,根据功耗测量模型与功耗预测模型获得待调整电力专用芯片的预测总功耗;通过预测总功耗确定与待调整电力专用芯片调整功耗对应的第一功耗以及与待调整电力专用芯片工作时的第二功耗;基于功耗调整时间与预测调整功耗在任务关联图中,确定预测调整功耗的任务调度结果,以及预测调整功耗对应的任务时延;根据任务时延、第一功耗与第二功耗对待调整电力专用芯片的各区域进行功耗调节。
Description
技术领域
本发明属于芯片技术领域,尤其涉及一种调整电力专用芯片功耗的方法、设备及介质。
背景技术
随着电力系统朝着工业互联化、信息化、数字化的发展方向,数字电网等一系列的电力设备正在被广泛的应用于电力系统中。电力系统中使用的电力专用芯片与电力系统是直接相关的,也是用户侧和数字电网系统中重要的信息交互纽带。电力专用芯片的最新发展趋势对系统的功耗和性能要求都有较高要求,电力专用芯片中处理器过高的功耗将增加系统的能耗负担,并且高能耗导致的高温工作也使得芯片的可靠性降低。因此,如何调节待调整电力专用芯片的功耗是数字电网中的一个重要环节。
仅采用降低待调整电力专用芯片的工作频率的方式来降低芯片功耗,会使得调整芯片的工作频率和单通道限速参数的时间间隔较大,导致在通道再某段时间内性能变低,导致丢包现象的出现。
因此,现需要一种可以有效调节待调整电力专用芯片功耗的方法。
发明内容
本发明要解决的技术问题是:提供一种调整电力专用芯片功耗的方法、设备及介质,以解决现有技术仅采用降低待调整电力专用芯片的工作频率的方式来降低芯片功耗,会使得调整芯片的工作频率和单通道限速参数的时间间隔较大,导致在通道再某段时间内性能变低,导致丢包现象的出现等技术问题。
本发明的技术方案是:
一种调整电力专用芯片功耗的方法,方法包括:将待调整电力专用芯片按照功能划分为一个以上区域,并基于各个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得各个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
将待调整电力专用芯片按照功能划分为一个以上区域之后,所述方法还包括:
监控所述待调整电力专用芯片中各个区域中的衬底电流、电源电流以及所述各个区域中各通道的任务信息交互频率;
若所述衬底电流大于预设第一电流值、所述电源电流大于预设第二电流值,且所述第一电流值与所述第二电流值的比值大于预设比值,则基于预设公式对所述区域中各通道的任务信息交互频率进行调整;其中,所述预设公式为:其中Ati为所述区域中各通道的单个通道的任务信息交互频率,/>为所述区域的调整参数,Fti为当前区域的工作频率,FMAX为当前区域工作频率阈值,m为所述预设公式每次填充的数据;
若所述衬底电流小于预设第一电流值、所述电源电流大于预设第二电流值,且所述第一电流值与所述第二电流值的比值大于预设比值,则根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得多个区域的测量功耗与预测调整功耗。
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延,具体包括:
根据所述各个区域的测量功耗与所述预测调整功耗,确定所述各个区域中各任务对应的分配能耗;
根据预设权重值对所述各个区域中各任务进行排序,并依次选取计算所述各个区域中任务的功耗阈值;
将所述任务调度到所述待调整电力专用芯片对应区域的每个处理器,通过遍历所述处理器的工作频率,获取满足所述功耗阈值且任务执行时间最短的处理器与频率组合作为任务调度结果;
确定所述任务调度结果对应的任务时延,将所述对应的任务时延作为所述预测调整功耗对应的任务时延。
根据预设权重值对所述各个区域中各任务进行排序之前,所述方法还包括:
基于预设权重算法,确定所述各个区域中各任务的预设权重值;
其中,所述预设权重算法为:c表示所述各区域中的处理器;nj表示一个任务,t(j,l)表示从任务j到任务l的时间,w(j,k)表示任务nj以最大工作频率在处理器ck上的运行时间;next(nj)表示所述待调整电力专用芯片在所述区域执行nj任务之后的下一任务区域。
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节之前,所述方法还包括:基于预设电路保证所述待调整电力专用芯片以所述调节后功耗进行工作,具体包括:
在所述待调整电力专用芯片的外部电源与内部电源之间设置第一MOS开关或第二MOS开关,充电电容的一端接入第一MOS开关;
当所述待调整电力专用芯片上电后,所述第一MOS开关或所述第二MOS开关处于开启状态,所述外部电源给所述充电电容充电;
当所述待调整电力专用芯片开始工作时,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,芯片内部电路依赖充电电容供电;
当所述充电电容的电量降低到阈值后,芯片暂时停止工作,第一MOS开关或第二MOS开关开启,外部电源给所述充电电容充电;
当所述电容充满电量后,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,所述芯片内部电路依赖充电电容供电继续工作;
所述待调整电力专用芯片工作期间,所述待调整电力专用芯片与外部电源断开,以确保所述待调整电力专用芯片基于调节后的功耗进行正常工作。
当所述待调整电力专用芯片上电后,所述第一MOS开关或所述第二MOS开关处于开启状态,所述外部电源给所述充电电容充电,具体包括:
所述待调整电力专用芯片上电后,所述充电电容的正极为低电平,电压比较器输出高电平,所述第一MOS开关处于开启状态,所述外部电源基于所述第一MOS开关向所述充电电容充电;
当所述充电电容的正极电压大于所述充电电压比较器的输入阈值时,所述电压比较器的输出端输出低电平,第一MOS开关断开,所述充电电容向所述待调整电力专用芯片的每部保护电路供电,所述充电电容的正极电压降低;
当所述充电电容的正极电压小于所述电压比较器的输入阈值时,所述电压比较器的输出端输出高电平,所述第一MOS开关处于开启状态,所述外部电源基于所述第一MOS开关向所述充电电容供电。
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,具体包括:
基于所述待调整电力专用芯片的当前待调节区域,获取所述当前待调节区域的历史功耗调节数据;其中所述历史功耗调节数据与当前待调节区域的时间相对应;
将所述历史功耗调节数据输入预设卷积训练模型,得到第一功耗特征;并将所述历史功耗数据输入预设分离训练模型,获得第二功耗特征;
将所述第一功耗特征与所述第二功耗特征输入预设特征融合模型,获得历史融合特征;
将所述任务时延、所述第一功耗与第二功耗分别输入预设卷积训练模型与预设分离训练模型,获得第三功耗特征与第四功耗特征;
并基于所述预设特征融合模型对所述第三功耗特征与所述第四功耗特征进行融合,获得当前融合特征;
根据所述历史融合特征与所述当前融合特征确定调整损失,以根据所述调整损失调整预设功耗调节模型,并将所述任务调度结果、所述任务时延、所述第一功耗与所述第二功耗输入调整后的预设功耗调节模型,输出对应区域的功耗调节方式。
任务关联图通过将所述待调整电力专用芯片中各区域的任务时延与任务之间的影响关系在任务数据图中构造任务可调节节点来描述,构造的任务调度依赖图中的关键路径长度表示所述区域中认读调度的总时延。
一种调整电力专用芯片功耗的设备,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:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
本发明有益效果:
通过对待调整电力专用芯片基于功能进行区域划分后,针对于每个区域进行功耗调整,避免了整体分析功耗时处理数据繁杂的问题,且可基于现实情况对各区域的功耗调节设置多线程进行节省了,功耗调节的时间,提高了电力专用芯片调节的时效性。通过基于任务关系图确定出任务调度结果,确保了电力芯片的正常运行。根据任务时延,第一功耗与第二功耗对电力专用芯片进行功耗调整,避免了仅通过频率调节对电力专用芯片造成的影响。
附图说明
为了更清楚地说明本说明书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,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的一种调整电力专用芯片功耗的方法流程示意图;
图2为本说明书实施例提供的一种调整电力专用芯片功耗的预设电路的结构示意图;
图3为本说明书实施例提供的一种调整电力专用芯片功耗的设备的内部结构示意图;
图4为本说明书实施例提供的一种非易失性存储介质的内部结构示意图。
具体实施方式
本说明书实施例提供一种调整电力专用芯片功耗的方法、设备及介质。
经济的快速发展,电力能耗节节攀升,作为电力系统建设的核心,电力专用芯片的快速普及使得芯片的功耗也成为了电力系统的功耗中不可忽视的一部分。电力专用芯片是针对于电力应用专门设备的芯片,顺应于低碳环保的需求,以及企业经济成本的需求对电力专用芯片的功耗调节也处于重要的位置。
目前,仅基于工作温度考虑对电力专用芯片进行调节时,将温度超于预设阈值的电力专用芯片的电压进行逐步下调于逐步判断,整体的调节过程慢且效率低。而仅基于电力专用芯片的工作频率对功耗进行调节的方式,会影响电力专用芯片处理重要任务的进程,且会导致电力专用芯片性能的降低。此外,由于电力专用芯片在处理任务时会涉及到数据的传输,而目前的电力专用芯片的调节过程为考虑到对芯片信息的保护过程,使得电力专用芯片调整功耗的安全性得不到有效保证。
为了解决上述技术问题,本说明书实施例中提供了一种调整电力专用芯片功耗的方法、设备及介质。首先,通过对电力专用芯片基于功能进行划分,避免了现有技术中对电力专用芯片中各部分的数据信息同时进行分析处理时,导致的数据传输过程的大幅通信开销,以及计算过程复杂导致的处理时间长的问题。通过预先建立的功耗测量模型与预先设置的功耗预测模型获取各区域的测量功耗与预测调整功耗后,确定对应的第一功耗于第二功耗,可以结合调整时花费的功耗以及正常工作时的功耗,进行综合考虑,避免了单一因素调整造成的调整效果问题。通过基于任务关联图确定任务调度结果,在保证各区域的正常任务进行的同时确定了可以调整的节点。而通过预设电路对电力专用芯片中的保护,提升了电力专用芯片在进行功耗调整过程中的工作安全性问题。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
如图1所示,本说明书实施例提供了一种调整电力专用芯片功耗的方法流程图。
图1中方法的执行主体为需要进行电力专用芯片调整的服务器或各执行单元。由图1可知,一种调整电力专用芯片功耗的方法包括以下步骤:
S101:将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图。
由于物联网技术与电力应用技术的发展,电力专用芯片可以处理各种电力应用专用设备的各类需求。而在此过程中将产生大量的关于芯片的运行数据,为了避免在调节过程中因计算冗杂所造成的时间成本的花费。本说明书一个或多个实施例中根据待调整电力专用芯片的各个功能区域,将待调整电力专用芯片划分为多个区域进行分析。
而为了更清楚的明确划分出的各个区域之间的任务交互关系,可以基于功能任务建立多个区域中的任务关联图。其中,需要说明的是,任务关联图通过将所述待调整电力专用芯片中各区域的任务时延与任务之间的影响关系在任务数据图中构造任务可调节节点来描述,构造的任务调度依赖图中的关键路径长度表示区域中任务调度的总时延。此外,将待调整电力专用芯片按照功能划分为多个区域后,可以根据需要为各个区域的功效调整设置对应的分析处理线程,以通过多线程并行处理,提高处理效率,缩短调整时间。
在本说明书一个或多个实施例中,将待调整电力专用芯片按照功能划分为多个区域之后,为了避免部分区域已大幅超出预设功效时,芯片的功效调整对电力专用芯片无法达到需求的问题,可以先基于以下方式进行初步的划分,确定出可以进行后续调整的电力专用芯片区域,避免出现无效调整浪费时间的问题。具体步骤如下:
首先需要监控待调整电力专用芯片中,划分出的各个区域中的衬底电流、电源电流以及所述各个区域中各通道的任务信息交互频率。如果可以确定衬底电流大于预设第一电流值、电源电流大于预设第二电流值,并且第一电流值与第二电流值的比值大于预设比值,那么此时通过对任务调度的方式对该区域的功效进行调整时也会造成其他节点的功效过高的问题。因此,可以直接通过预设公式:对该区域中各通道的任务信息交互频率进行调整,以保证电力专用芯片该区域可以正常运行,该区域的功能可以正常实现,不会导致电力专用芯片的崩溃。其中,需要说明的是,Ati为所述区域中各通道的单个通道的任务信息交互频率,/>为待调整电力专用芯片各个区域的调整参数,Fti为当前区域的工作频率,FMAX为当前区域工作频率阈值,m为预设公式每次填充的数据。
此外,如果衬底电流小于预设第一电流值、电源电流大于预设第二电流值,并且第一电流值与所述第二电流值的比值大于预设比值,则可以根据后续步骤实现对该电力专用芯片中对应区域的功耗调节。
S102:根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗。
在本说明书一个或多个实施例中,根据预先收集的待调整电力专用芯片对应的历史数据对预设功耗测量模型以及预设功耗预测模型进行训练,获得可以使用的功耗测量模型与功耗预测模型。然后根据建立的功耗测量模型与功耗预测模型对各区域进行测量功耗与预测调整功耗的分析。同时通过这两个模型确定出待调整电力专用芯片中各个区域的预测总功耗,即正常工作时花费的功耗与各区域进行调整时形成的功耗总和就是理想状态下的预测总功耗。
S103:根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系。
通过上述步骤S102获得对应的预测总功耗后,根据该预测总功耗所对应的预设计算公式,即上述正常工作时花费的功耗与各区域进行调整时形成的功耗相加可以得到总功耗。确定出各区域中调整功耗时对应的功耗为第一功耗,工作时对应的为第二功耗。可以理解的是,第一功耗作为调整过程形成的功耗与待调整电力专用芯片中对应区域的功耗调整时间时相关的,并且为线性相关关系,即调整时间越长形成的第一功耗就越高。
S104:基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延。
在本说明书一个或多个实施例中,为了方便对任务的调度满足重要任务的工作需求,需要根据预设权重算法确定出待调整电力专用芯片里各个区域中各个任务的预设权重值。其中,需要说明的时,随着电力专用芯片的发展以及对高速处理的需求,电力专用芯片中存在多处理器对应的同一功能的芯片。因此该权重算法中考虑到多处理器的情况,则c表示各区域中的处理器;nj表示该区域中进行的一个任务,t(j,l)表示在该区域中从任务j到任务l的时间,w(j,k)表示任务nj以最大工作频率在处理器ck上的运行时间;next(nj)表示待调整电力专用芯片在所述区域执行nj任务之后的下一任务区域。根据获得的权重值,可以理解的是,权重值越大则该任务对该区域的功能影响越大,说明该任务在该区域的重要性越大,优先级越高。
在本说明书一个或多个实施例中,根据功耗调整时间与预测调整功耗在所述任务关联图中,确定出预测调整功耗的任务调度结果,以及预测调整功耗对应的任务时延,具体包括以下步骤:首先,根据各个区域的测量功耗与预测调整功耗,确定各个区域中各任务对应的分配能耗。然后根据上面获得的预设权重值,对各个区域中的各任务基于优先级先后进行排序,并依次选取计算各个区域中任务的功耗阈值。之后再将任务调度到待调整电力专用芯片对应区域的每个处理器,通过遍历所述处理器的工作频率,获得可以满足功耗阈值的并且任务执行时间最短的处理器与频率组合作为任务调度结果。并确定任务调度结果对应的任务时延为所述预测调整功耗对应的任务时延。
S105:根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
因为,电力专用芯片涉及的处理功能复杂,且各电力应用企业可能存在竞争关系,为了避免竞争企业或其他欺诈用户对电力专用芯片中数据的篡改,或者为了避免对电力专用芯片中调整策略的篡改,保证最终调整方式的安全性。在再根据上述步骤获得的任务时延、第一功耗与第二功耗对待调整电力专用芯片的各区域进行功耗调节之前,方法还包括:基于预设电路保证所述待调整电力专用芯片调节功耗的安全性,具体地:如图2所示的一种应用场景下的预设电路,在待调整电力专用芯片的外部电源与内部电源之间设置第一MOS开关或第二MOS开关,充电电容的一端接入第一MOS开关。
当所述待调整电力专用芯片上电后,第一MOS开关或所述第二MOS开关处于开启状态,所述外部电源给所述充电电容充电。即待调整电力专用芯片上电后,充电电容的正极为低电平,而电压比较器输出高电平,第一MOS开关处于开启状态,外部电源此时可以通过第一MOS开关向所述充电电容充电。而当充电电容的正极电压大于充电电压比较器的输入阈值时,电压比较器的输出端输出低电平,第一MOS开关断开,充电电容向待调整电力专用芯片的每部保护电路供电,充电电容的正极电压降低。当充电电容的正极电压小于电压比较器的输入阈值时,电压比较器的输出端输出高电平,第一MOS开关处于开启状态,外部电源此时通过第一MOS开关向充电电容供电。由图可知,该过程种的充电电容为C1。
基于上述过程,当待调整电力专用芯片开始工作时,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,芯片内部电路依赖充电电容供电。具体的,当正常工作时,外部复位为高电平,第一MOS开关为高电平与低电平交替,如图2所示的电容C2的正极电压为介于高电平与低电平之间的电平,电容C2的正极的电压低于电压比较器2的阈值输入端的电压,开关电压比较器2的输出端输出为高电平,而输入与门的输出为高电平,内部复位为高电平,此时芯片处于正常工作状态;
当充电电容的电量降低到阈值后,芯片需要暂时停止工作,第一MOS开关或第二MOS开关开启,外部电源给所述充电电容充电。当所述电容充满电量后,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,所述芯片内部电路依赖充电电容供电继续工作。待调整电力专用芯片工作期间,所述待调整电力专用芯片与外部电源断开,以确保所述待调整电力专用芯片基于调节后的功耗进行正常工作。
在本说明书一个或多个实施例中,在确保电力专用芯片各区域的安全性后,根据上述步骤种获得的任务时延、第一功耗与第二功耗对待调整电力专用芯片的各区域进行功耗调节,具体的包括以下步骤:
首先,先根据待调整电力专用芯片的当前待调节区域,获取当前待调节区域的历史功耗调节数据。其中需要说明的是,历史功耗调节数据和当前待调节区域的时间相对应,以在节约分析数据的基础上提高数据对当前时间内调整的准确性。然后把历史功耗调节数据输入预设卷积训练模型,得到第一功耗特征;并将历史功耗数据输入预设分离训练模型,获得第二功耗特征。其中,还需要说明的是预设卷积训练模型可以是RestNet网络模型,预设分离训练模型可以是MobileNet网络模型。
之后将第一功耗特征与第二功耗特征输入到预设特征融合模型,获得历史融合特征;同时将获得的该区域的任务时延、第一功耗与功耗数据分别输入预设卷积训练模型与预设分离训练模型,获得第三功耗特征与第四功耗特征;同样根据预设特征融合模型对第三功耗特征与第四功耗特征进行融合,获得当前融合特征。从获得的历史融合特征与当前融合特征可以确定出该区域在当前的调整损失,那么为了提高功效调整的效果,可以根据调整损失对预设功耗调节模型进行调整。然后再将任务调度结果、任务时延、第一功耗与第二功耗输入调整后的预设功耗调节模型,获得对应区域的功耗调节方式。
在本说明书一个或多个实施例中,根据上述步骤获得的任务时延、第一功耗与第二功耗对待调整电力专用芯片的各区域进行功耗调节,包括:根据任务时延对任务调度结果进行初步排序,获得第一调整序列;根据第一序列中各任务调度对应的第一功耗的数值大小为所述第一调整序列中各调度过程赋予对应的权重。根据第二功耗与第一功耗的比值确定所述权重的系数,根据所述权重与对应系数的比值作为优先级,重新确定第一调整序列的排序,获得第二序列。从而根据第二系列对电力专用芯片进行功耗调整。
如图3所示,本说明书一个或多个实施例中提供了一种调整电力专用芯片功耗的设备的内部结构示意图。
由图3可知,设备包括:
至少一个处理器301,以及
与所述至少一个处理器301通信连接的存储器302;其中,
所述存储器302存储有所述至少一个处理器301的可执行指令,以使所述至少一个处理器301根据所述可执行指令能够:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
如图4所示,本说明书一个或多个实施例中提供了一种非易失性存储介质的内部结构示意图。
由图4可知,本说明书一个或多个实施例中,一种非易失性存储介质,存储由计算机可执行指令401,所述计算机可执行指令401包括:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种调整电力专用芯片功耗的方法,其特征在于,所述方法包括:
将待调整电力专用芯片按照功能划分为一个以上区域,并基于各个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得各个区域的测量功耗与预测调整功耗,并根据功耗测量模型与功耗预测模型获得待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,第一功耗与待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于功耗调整时间与预测调整功耗在所述任务关联图中,确定预测调整功耗的任务调度结果,以及预测调整功耗对应的任务时延,具体包括:
根据所述各个区域的测量功耗与所述预测调整功耗,确定所述各个区域中各任务对应的分配能耗;
根据预设权重值对所述各个区域中各任务进行排序,并依次选取计算所述各个区域中任务的功耗阈值;
将所述任务调度到所述待调整电力专用芯片对应区域的每个处理器,通过遍历所述处理器的工作频率,获取满足所述功耗阈值且任务执行时间最短的处理器与频率组合作为任务调度结果;
确定所述任务调度结果对应的任务时延,将所述对应的任务时延作为所述预测调整功耗对应的任务时延;
根据任务时延、第一功耗与第二功耗对待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
2.根据权利要求1所述的一种调整电力专用芯片功耗的方法,其特征在于,将待调整电力专用芯片按照功能划分为一个以上区域之后,所述方法还包括:
监控所述待调整电力专用芯片中各个区域中的衬底电流、电源电流以及所述各个区域中各通道的任务信息交互频率;
若所述衬底电流大于预设第一电流值、所述电源电流大于预设第二电流值,且所述第一电流值与所述第二电流值的比值大于预设比值,则基于预设公式对所述区域中各通道的任务信息交互频率进行调整;其中,所述预设公式为:其中Ati为所述区域中各通道的单个通道的任务信息交互频率,/>为所述区域的调整参数,Fti为当前区域的工作频率,FMAX为当前区域工作频率阈值,m为所述预设公式每次填充的数据;
若所述衬底电流小于预设第一电流值、所述电源电流大于预设第二电流值,且所述第一电流值与所述第二电流值的比值大于预设比值,则根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得多个区域的测量功耗与预测调整功耗。
3.根据权利要求1所述的一种调整电力专用芯片功耗的方法,其特征在于,根据预设权重值对所述各个区域中各任务进行排序之前,所述方法还包括:
基于预设权重算法,确定所述各个区域中各任务的预设权重值;
其中,所述预设权重算法为:c表示所述各区域中的处理器;nj表示一个任务,t(j,l)表示从任务j到任务l的时间,w(j,k)表示任务nj以最大工作频率在处理器ck上的运行时间;next(nj)表示所述待调整电力专用芯片在所述区域执行nj任务之后的下一任务区域。
4.根据权利要求1所述的一种调整电力专用芯片功耗的方法,其特征在于,根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节之前,所述方法还包括:基于预设电路保证所述待调整电力专用芯片调节功耗的安全性,具体包括:
在所述待调整电力专用芯片的外部电源与内部电源之间设置第一MOS开关或第二MOS开关,充电电容的一端接入第一MOS开关;
当所述待调整电力专用芯片上电后,所述第一MOS开关或所述第二MOS开关处于开启状态,所述外部电源给所述充电电容充电;
当所述待调整电力专用芯片开始工作时,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,芯片内部电路依赖充电电容供电;
当所述充电电容的电量降低到阈值后,芯片暂时停止工作,第一MOS开关或第二MOS开关开启,外部电源给所述充电电容充电;
当所述电容充满电量后,第一MOS开关或第二MOS开关断开,芯片内部与外部电源断开连接,所述芯片内部电路依赖充电电容供电继续工作;
所述待调整电力专用芯片工作期间,所述待调整电力专用芯片与外部电源断开,以确保所述待调整电力专用芯片基于调节后的功耗进行正常工作。
5.根据权利要求4所述的一种调整电力专用芯片功耗的方法,其特征在于,当所述待调整电力专用芯片上电后,所述第一MOS开关或所述第二MOS开关处于开启状态,所述外部电源给所述充电电容充电,具体包括:
所述待调整电力专用芯片上电后,所述充电电容的正极为低电平,电压比较器输出高电平,所述第一MOS开关处于开启状态,所述外部电源基于所述第一MOS开关向所述充电电容充电;
当所述充电电容的正极电压大于所述电压比较器的输入阈值时,所述电压比较器的输出端输出低电平,第一MOS开关断开,所述充电电容向所述待调整电力专用芯片的每部保护电路供电,所述充电电容的正极电压降低;
当所述充电电容的正极电压小于所述电压比较器的输入阈值时,所述电压比较器的输出端输出高电平,所述第一MOS开关处于开启状态,所述外部电源基于所述第一MOS开关向所述充电电容供电。
6.根据权利要求1所述的一种调整电力专用芯片功耗的方法,其特征在于,根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,具体包括:
基于所述待调整电力专用芯片的当前待调节区域,获取所述当前待调节区域的历史功耗调节数据;其中所述历史功耗调节数据与当前待调节区域的时间相对应;
将所述历史功耗调节数据输入预设卷积训练模型,得到第一功耗特征;并将所述历史功耗调节数据输入预设分离训练模型,获得第二功耗特征;
将所述第一功耗特征与所述第二功耗特征输入预设特征融合模型,获得历史融合特征;
将所述任务时延、所述第一功耗与第二功耗分别输入预设卷积训练模型与预设分离训练模型,获得第三功耗特征与第四功耗特征;
并基于所述预设特征融合模型对所述第三功耗特征与所述第四功耗特征进行融合,获得当前融合特征;
根据所述历史融合特征与所述当前融合特征确定调整损失,以根据所述调整损失调整预设功耗调节模型,并将所述任务调度结果、所述任务时延、所述第一功耗与所述第二功耗输入调整后的预设功耗调节模型,输出对应区域的功耗调节方式。
7.根据权利要求1所述的一种调整电力专用芯片功耗的方法,其特征在于,任务关联图通过将所述待调整电力专用芯片中各区域的任务时延与任务之间的影响关系在任务数据图中构造任务可调节节点来描述,构造的任务调度依赖图中的关键路径长度表示所述区域中任务调度的总时延。
8.一种调整电力专用芯片功耗的设备,其特征在于,所述设备包括:
至少一个处理器,以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有至少一个处理器的可执行指令,以使所述至少一个处理器根据所述可执行指令能够:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;具体包括:
根据所述各个区域的测量功耗与所述预测调整功耗,确定所述各个区域中各任务对应的分配能耗;
根据预设权重值对所述各个区域中各任务进行排序,并依次选取计算所述各个区域中任务的功耗阈值;
将所述任务调度到所述待调整电力专用芯片对应区域的每个处理器,通过遍历所述处理器的工作频率,获取满足所述功耗阈值且任务执行时间最短的处理器与频率组合作为任务调度结果;
确定所述任务调度结果对应的任务时延,将所述对应的任务时延作为所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
9.一种非易失性存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令包括:
将待调整电力专用芯片按照功能划分为多个区域,并基于所述多个区域建立任务关联图;
根据预先建立的功耗测量模型与预先设置的功耗预测模型,获得所述多个区域的测量功耗与预测调整功耗,并根据所述功耗测量模型与所述功耗预测模型获得所述待调整电力专用芯片中各区域的预测总功耗;
根据所述预测总功耗的预设计算公式,确定所述待调整电力专用芯片中各区域调整功耗时对应的第一功耗与工作时对应的第二功耗;其中,所述第一功耗与所述待调整电力专用芯片中对应区域的功耗调整时间为线性相关关系;
基于所述功耗调整时间与所述预测调整功耗在所述任务关联图中,确定所述预测调整功耗的任务调度结果,以及所述预测调整功耗对应的任务时延;具体包括:
根据所述各个区域的测量功耗与所述预测调整功耗,确定所述各个区域中各任务对应的分配能耗;
根据预设权重值对所述各个区域中各任务进行排序,并依次选取计算所述各个区域中任务的功耗阈值;
将所述任务调度到所述待调整电力专用芯片对应区域的每个处理器,通过遍历所述处理器的工作频率,获取满足所述功耗阈值且任务执行时间最短的处理器与频率组合作为任务调度结果;
确定所述任务调度结果对应的任务时延,将所述对应的任务时延作为所述预测调整功耗对应的任务时延;
根据所述任务时延、所述第一功耗与所述第二功耗对所述待调整电力专用芯片的各区域进行功耗调节,以降低所述待调整电力专用芯片的总功耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135592.2A CN114527862B (zh) | 2022-02-14 | 2022-02-14 | 一种调整电力专用芯片功耗的方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210135592.2A CN114527862B (zh) | 2022-02-14 | 2022-02-14 | 一种调整电力专用芯片功耗的方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114527862A CN114527862A (zh) | 2022-05-24 |
CN114527862B true CN114527862B (zh) | 2023-10-31 |
Family
ID=81623484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210135592.2A Active CN114527862B (zh) | 2022-02-14 | 2022-02-14 | 一种调整电力专用芯片功耗的方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114527862B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598310A (zh) * | 2015-01-23 | 2015-05-06 | 武汉理工大学 | 基于fpga部分动态可重构技术模块划分的低功耗调度方法 |
CN109212306A (zh) * | 2017-07-06 | 2019-01-15 | 龙芯中科技术有限公司 | 芯片功耗的调节方法、电路与装置 |
CN112667377A (zh) * | 2020-12-23 | 2021-04-16 | 浙江大学 | 一种面向电力芯片混合多核系统的任务调度优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005166698A (ja) * | 2003-11-28 | 2005-06-23 | Matsushita Electric Ind Co Ltd | 半導体集積回路 |
US8190939B2 (en) * | 2009-06-26 | 2012-05-29 | Microsoft Corporation | Reducing power consumption of computing devices by forecasting computing performance needs |
WO2016185599A1 (ja) * | 2015-05-21 | 2016-11-24 | 株式会社日立製作所 | 計算機システム及び計算機 |
US11183936B2 (en) * | 2017-09-07 | 2021-11-23 | Delta Electronics (Shanghai) Co., Ltd | Semiconductor chip power supply system |
-
2022
- 2022-02-14 CN CN202210135592.2A patent/CN114527862B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598310A (zh) * | 2015-01-23 | 2015-05-06 | 武汉理工大学 | 基于fpga部分动态可重构技术模块划分的低功耗调度方法 |
CN109212306A (zh) * | 2017-07-06 | 2019-01-15 | 龙芯中科技术有限公司 | 芯片功耗的调节方法、电路与装置 |
CN112667377A (zh) * | 2020-12-23 | 2021-04-16 | 浙江大学 | 一种面向电力芯片混合多核系统的任务调度优化方法 |
Non-Patent Citations (2)
Title |
---|
Distributed On-Chip Power Delivery;S. Kose and E. G. Friedman;IEEE Journal on Emerging and Selected Topics in Circuits and Systems;第2卷(第4期);704-703 * |
基于任务调度的电力终端多核芯片能耗优化技术;李鹏,习伟,王轲;南方电网技术;第14卷(第1期);52-57 * |
Also Published As
Publication number | Publication date |
---|---|
CN114527862A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chetto | Optimal scheduling for real-time jobs in energy harvesting computing systems | |
CN107247651B (zh) | 云计算平台监测预警方法和系统 | |
Lin et al. | A reinforcement learning-based power management framework for green computing data centers | |
JP6161312B2 (ja) | データセンタにおけるQoS認識バランシング | |
KR20160147930A (ko) | 멀티 배터리 장치에서의 부하 스케줄링 | |
Albers et al. | On multi-processor speed scaling with migration | |
CN112949913A (zh) | 光伏出力预测方法及终端设备 | |
KR101630125B1 (ko) | 클라우드 컴퓨팅 자원관리 시스템에서의 자원 요구량 예측 방법 | |
CN114527862B (zh) | 一种调整电力专用芯片功耗的方法、设备及介质 | |
Sun et al. | The online knapsack problem with departures | |
Shi et al. | Cost minimization algorithms for data center management | |
Botkin-Levy et al. | Distributed control of charging for electric vehicle fleets under dynamic transformer ratings | |
WO2020103046A1 (zh) | 储能管理及控制方法、系统、计算机设备、存储介质 | |
Gupta et al. | Dynamic voltage frequency scaling in multi-core systems using adaptive regression model | |
Huang et al. | Learning-aided stochastic network optimization with state prediction | |
CN113839795B (zh) | Cdn节点的消峰处理方法、装置、电子设备及存储介质 | |
Shperberg et al. | Trading plan cost for timeliness in situated temporal planning | |
Ozceylan et al. | Minimizing the maximum processor temperature by temperature-aware scheduling of real-time tasks | |
CN103793041A (zh) | 多核对称多处理系统的电源管理方法及装置 | |
Fang et al. | Optimizing cnn accelerator with improved roofline model | |
CN115238464B (zh) | 电磁暂态仿真中混合降阶模型的执行时间计算方法和装置 | |
US20200326985A1 (en) | Adaptive tuning of thread weight based on prior activity of a thread | |
Różycki et al. | Improving the efficiency of scheduling jobs driven by a common limited energy source | |
KR101573781B1 (ko) | 우선 순위 기반 저전력 태스크 스케줄링 장치 및 방법 | |
Lan et al. | Optimization of Topology-Aware Job Allocation on a High-Performance Computing Cluster by Neural Simulated Annealing |
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 |