CN114625536B - 显存分配方法、装置、介质及电子设备 - Google Patents
显存分配方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN114625536B CN114625536B CN202210256037.5A CN202210256037A CN114625536B CN 114625536 B CN114625536 B CN 114625536B CN 202210256037 A CN202210256037 A CN 202210256037A CN 114625536 B CN114625536 B CN 114625536B
- Authority
- CN
- China
- Prior art keywords
- video memory
- link library
- capacity
- call request
- memory management
- 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 55
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- 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)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种显存分配方法、装置、介质及电子设备,所述方法包括:响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。由此,在调用显存分配接口进行显存申请时,能够自动生成对内存托管接口的调用,以基于内存对显存分配请求进行响应,从而可以降低物理内存的容量对机器学习的效率和使用的限制,拓宽模型的部署和使用范围。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种显存分配方法、装置、介质及电子设备。
背景技术
在机器学习场景中,GPU(Graphics Processing Unit)因为高效的并行计算,对矩阵乘法和卷积具有极大的计算优势,通常被用于机器学习计算。在机器学习中,也会使用GPU卡进行GPU任务加速,而在GPU任务中可以使用的显存数量通常受限于GPU卡的物理显存容量。
而在进行机器学习时常用tensorflow/pytorch框架或者caffe/mxnet等框架实现,在上述框架中提供了操作接口来调用GPU以使得算法向GPU上迁移。然而上述框架提供的操作接口中申请显存时的接口只能用于申请显存,导致机器学习的计算效率和使用效果受物理显存容量的影响较大。
发明内容
提供该部分内容以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种显存分配方法,所述方法包括:
响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
第二方面,本公开提供一种显存分配装置,所述装置包括:
第一确定模块,用于响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
生成模块,用于若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
第二确定模块,用于根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现第一方面所述方法的步骤。
在上述技术方案中,在接收到应用程序对显存的分配申请时,若基于当前的物理显存难以满足该分配申请,则可以基于内存托管接口动态申请内存,以基于内存对应用程序的显存分配申请进行响应。由此,通过上述技术方案,在调用显存分配接口进行显存申请时,能够自动生成对内存托管接口的调用,以基于内存对显存分配请求进行响应,从而可以有效降低物理内存的容量对机器学习模型的效率和使用的限制和影响,拓宽机器学习模型的部署和使用范围。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据本公开的一种实施方式提供的显存分配方法的流程图;
图2是根据本公开的一种实施方式提供的显存分配装置的框图;
图3示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1所示,为根据本公开的一种实施方式提供的显存分配方法的流程图,如图1所示,所述方法包括:
在步骤11中,响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量。
如背景技术中所述,在进行机器学习时常用的tensorflow/pytorch框架或者caffe/mxnet等框架中,在申请显存时所提供的接口只能用于进行显存申请,例如cudaMalloc、cudaMalloc_v2、cuMemAlloc、cuMemAlloc_v2、cuMemAllocPitch、cuMemAllocPitch_v2等显存分配接口,在该实施例中,该应用程序可以是基于机器学习的框架实现的应用程序。基于此,在本公开的实施例中可以在接收到应用程序对此类显存分配接口的第一调用请求,首先确定当前的物理显存的使用容量,从而确定能否对基于该显存分配接口对第一调用请求进行相应。其中,在显卡提供的库中包含有NVML库,可以基于该NVML库中的相应函数查询物理显存的使用容量,从而确定是否可以基于该物理显存实现显存分配。其中,该NVML库的使用为现有技术,在此不再赘述。
其中,该目标显存管理链接库为预先开发的链接库,以用于替代原生的显存管理链接库,实现对显存的管理。作为示例,可以在应用程序中注入hook代码,从而在检测到该应用程度对显存分配接口进行调用时,拦截调用请求并将调用请求发送至目标显存管理链接库中的显存分配接口。作为另一示例,该目标显存管理链接库对外提供的接口可以设置为原生提供的显存管理链接库的接口相同,从而使得应用程序发起的调用请求可以直接发送至目标显存分类链接库中的相应接口。
在步骤12中,若使用容量和第一调用请求对应的申请容量之和大于物理显存的总容量,则根据第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口。
示例地,以cuMemAlloc作为显存分配接口进行调用为例,第一调用请求可以表示如下:
CUresult cuMemAlloc(CUdeviceptr*dptr,size_t bytesize)
其中,bytesize表示第一调用请求对应的申请容量,*dptr用于返回一个指向已分配的显存的指针。物理显存的总容量可以通过配置信息进行获取,使用容量为物理显存中当前已占用的容量,则在使用容量和第一调用请求对应的申请容量之和大于物理显存的总容量时,则表示基于当前的物理显存不能够响应于该第一调用请求分配bytesize大小的显存。
CUDA(Compute Unified Device Architecture),是用于GPU的并行计算框架,是一种运算平台。在CUDA中提供了Nvidia GPU UM(Unified Memory,统一内存)技术,以允许应用程序使用CUDA接口分配内存和显存。其中,在CUDA中,统一内存寻址就是将CPU端的内存同GPU显存统一起来,分配统一内存可以返回从任何处理器的访问的指针,从而使得分配系统中任何处理器上运行的代码所能够使用的数据遍历变得简单。示例地,在CUDA中可以基于cudaMallocManaged或cuMemAllocManaged等函数对显存和内存进行分配。基于此,在该实施例中的内存托管接口可以是CUDA中提供的原生内存托管接口,如cudaMallocManaged或cuMemAllocManaged,其具体选择的接口可以在开发目标显存管理链接库时预先设置。
相应地,在该情况下可以通过第一调用请求对应的申请容量生成第二调用请求,例如内存托管接口可以是cudaMallocManaged函数,则可以进一步地基于该申请容量和该cudaMallocManaged函数的参数类型和数量生成调用该cudaMallocManaged函数的第二调用请求,示例地该第二调用请求可以表示为:cudaMallocManaged(void**dePtr,size_tbytesize);该函数可以分配bytesize字节的托管内存,并用devPtr返回一个指针,且该指针在所有CPU设备和主机上都是有效的,即统一内存管理。由此,在显存分配的过程中可以在物理内存的容量不足以基于对第一调用请求进行显存分配时尝试申请内存以对第一调用请求进行响应。
在步骤13中,根据第二调用请求的调用结果,获得所述第一调用请求的响应。
示例地,可以基于第二调用请求的调用结果的返回值生成第一调用请求的返回值,以获得第一调用请求的响应。如上文所述,可以将基于第二调用请求返回的指针作为第一调用请求的响应,以通知应用程序为其分配的显存地址,以便于该应用程序对其申请的显存的应用。
由此,在上述技术方案中,在接收到应用程序对显存的分配申请时,若基于当前的物理显存难以满足该分配申请,则可以基于内存托管接口动态申请内存,以基于内存对应用程序的显存分配申请进行响应。由此,通过上述技术方案,在调用显存分配接口进行显存申请时,能够自动生成对内存托管接口的调用,以基于内存对显存分配请求进行响应,从而可以有效降低物理内存的容量对机器学习模型的效率和使用的限制和影响,拓宽机器学习模型的部署和使用范围。
在一种可能的实施例中,所述内存托管接口用于动态申请内存,以将申请的内存作为虚拟显存;所述基于所述第二调用请求调用所述内存托管接口的示例性实现方式如下,该步骤可以包括:
获取已申请的虚拟显存的容量。其中,可以通过CUDA中提供的原生库函数对已经分配的虚拟显存的容量进行获取,在此不再赘述。
若所述已申请的虚拟显存的容量和所述申请容量之和小于目标阈值,则基于所述内存托管接口和所述申请容量进行内存分配,所述目标阈值为基于内存的总容量与预设比例确定出的,所述预设比例大于0且小于1。
其中,该预设比例可以预先配置在目标显存管理链接库中,可以通过该预设比例确定内存中用于进行显存超发的容量,即可用的虚拟内存的容量。示例地,物理显存的总容量是15GiB,GiB即Gibibyte(giga binary byte),是信息或计算机硬盘存储的一个单位,其为二进制容量单位。预设比例可以设置为50%,则目标阈值即为7.5GiB*(15GiB*50%),则显存管理系统中可以分配的显存总量为22.5GiB(15GiB+15GiB*50%)。作为另一示例,该预设比例设置为100%,则目标阈值为15GiB,则显存管理系统中可以分配的显存总量为30GiB(15GiB+15GiB*100%),从而可以使得显存管理系统中可分配的显存容量超出该物理显存的容量,实现显存分配的超发。
在该实施例中,所述已申请的虚拟显存的容量和所述申请容量之和小于目标阈值,即表示当前可以通过申请内存作为虚拟显存的方式进行显存分配,此时则可以基于所述内存托管接口和所述申请容量进行内存分配,即基于内存托管接口分配该申请容量大小的内存,并返回一个指向该分配的内存的指针,完成对应用程序的显存的申请和分配。
由此,通过上述技术方案,在为应用程序分配显存的过程中可以基于内存托管接口动态申请内存以作为虚拟显存,从而实现显存超发,为应用程序的安全运行提供基础,使得显存管理系统可以使用的显存上限超出物理显存的容量,为提高GPU任务的执行效率提供技术支持,同时降低任务执行对执行设备的硬件要求。
在一种可能的实施例中,所述方法还可以包括:
若所述已申请的内存的容量和所述申请容量之和不小于目标阈值,则确定所述第二调用请求的调用结果为未分配显存;
输出提示消息,所述提示消息用于提示显存分配不足。
在该实施例中,若所述已申请的内存的容量和所述申请容量之和不小于目标阈值,则表示显存管理系统中的显存超发容量也难以第一调用请求所要申请的容量,此时不会进行显存分配,则可以确定所述第二调用请求的调用结果为未分配显存,示例地,未分配显存的调用结果可以预先设置默认标识,从而可以在获得该标识作为返回值时,可以直接确定出未分配显存,并可以进一步将该返回值作为第一调用请求的响应。
进一步地,可以输出提示消息,该提示消息可以输出至应用程序的日志文件,也可以通过应用程序中的弹窗输出给用户提示,以便于用户及时了解应用程序的运行情况,并便于及时做出应对措施。
在一种可能的实施例中,所述目标显存管理链接库可以通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库。
其中,所述显存运算平台可以是CUDA平台,该原生显存管理链接库的初始名称可以是libcuda.so,其可以根据CUDA平台中的定义预先设置,之后可以对该初始名称进行重命名,示例地,可以重命名为libcuda.nvidia.so,即对原生显存管理链接库进行重命名,获得更新链接库libcuda.nvidia.so。
之后,可以将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址。其中,该链接地址可以包括各个对原生显存管理链接库进行调用的地址。
其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
在该实施例中,可以直接以新构建的目标显存管理链接库替代该显存运算平台中的原生显存管理链接库。示例地,构建的目标显存管理链接库的名称可以命名为libcuda.so,该目标显存管理链接库实现了和原生显存管理链接库中同样的函数接口。需要进行说明的是,为便于说明,下文中通过libcuda.so(xcuda)表示目标显存管理链接库libcuda.so,以表示其为目标显存管理链接库,其仅为示例性说明,在应用场景中的名称仍与原生链接库的初始名称相同。
其中,应用程序访问GPU设备时通常是通过调用CUDA编程库(如,cudnn,cublas等)或者nvml编程库,这些编程库最终是通过调用CUDA链接库文件(libcuda.so和它的链接文件libcuda.so.1)或者nvml链接库文件(libnvidia-ml.so.1)发送操作请求到GPU驱动以实现GPU的数据访问。因此,在该实施例中,将所述目标显存管理链接库中连接到所述显存运算平台中时,可以是将目标显存管理链接库libcuda.so(xcuda)软链接到原生的CUDA和nvml中的相关链接库,即将libcuda.so(xcuda)软链接到libcuda.so、libcuda.so.1、libnvidia-ml.so.1等链接地址,从而使得应用程序在调用CUDA和nvml中的链接库文件时,通过相应的链接地址直接调用目标显存管理链接库libcuda.so(xcuda)。
如上文所述,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同。因此,在对目标显存管理链接库中的显存分配接口进行调用时,可以直接调用目标显存管理链接库中的显存分配接口的实现,该显存分配接口的实现可以是上文所述的显存分配方法的操作,而在对所述目标显存管理链接库中除所述显存分配接口之外的其他接口进行调用时,例如,对cuLaunchKernel接口进行调用,该接口的实现为对所述更新链接库中的相对应的同名接口的调用,即可以将调用发送至更新链接库libcuda.nvidia.so的同名接口,以实现对该接口的调用,其调用顺序可以表示为:
GPU->libcuda.so(xcuda)中的cuLaunchKernel接口->libcuda.nvidia.so中的cuLaunchKernel接口。
由此,通过上述技术方案,可以通过对显存运算平台中的原生显存管理链接库进行重命名,并将目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,从而在GPU进行显存管理链接库的调用时,可以自动链接到目标显存管理链接库,无需修改应用程序的框架底层的显存管理代码,可以在应用程序无感知的情况下实现对显存管理的更新适配,提升用户使用体验。
在一种可能的实施例中,所述显存分配方法应用于容器,所述目标显存管理链接库通过以下方式在所述容器中挂载:
在所述容器对应的主机的目标存储位置对所述目标显存管理链接库和所述更新链接库进行存储;
在所述容器启动时,将所述目标显存管理链接库链接至所述容器对应的原生显存管理链接库的链接地址,并将所述更新链接库链接至所述容器中的目标地址,其中,所述目标地址与所述链接地址不同。
其中,该容器可以是docker容器,kubernetes为容器集群管理系统,可以实现容器集群的自动化部署。在kubernetes集群中,docker容器挂载使用宿主机的GPU驱动和libcuda.so链接库文件。因此,在创建kubernetes实例时,需要将目标显存管理链接库映射到容器的显存管理链接库的文件路径,以使容器内的应用程序通过显存管理链接库访问GPU时,运行目标显存管理链接库中实现的接口内容。
示例地,在kubernetes中创建实例时,可以通过如下方式在所述容器对应的主机的目标存储位置对所述目标显存管理链接库和所述更新链接库进行存储:
volumes:
-name:xcuda-volume
hostPath:
path:/xcuda/libcuda.so
type:File
-name:nvcuda-volume
hostPath:
path:/usr/lib/x86_64-linux-gnu/libcuda.so
type:File
其中,volumes命令的使用可以基于kubernetes的语法实现,在此不再赘述。通过上述可以将目标显存管理链接库定义为xcuda-volume,以文件File的类型存储在目标存储位置/xcuda/libcuda.so;以及将更新链接库定义为nvcuda-volume,以文件File的类型存储在/usr/lib/x86_64-linux-gnu/libcuda.so。
之后,可以通过配置映射规则将上述两个显存管理链接库文件分别挂载至相应的链接地址,接上文所述示例,原生显存管理链接库的链接地址可以为libcuda.so、libcuda.so.1、libnvidia-ml.so.1等地址,则可以通过如下配置映射规则:
volumeMounts:
-mountPath:/usr/lib/x86_64-linux-gnu/libcuda.so
name:xcuda-volume
-mountPath:/usr/lib/x86_64-linux-gnu/libcuda.so.1
name:xcuda-volume
-mountPath:/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
name:xcuda-volume
-mountPath:/usr/lib/x86_64-linux-gnu/libcuda.nvidia.so
name:nvcuda-volume
由此,通过上述规则可以将定义为xcuda-volume(即目标显存管理链接库)的文件链接至libcuda.so、libcuda.so.1、libnvidia-ml.so.1,并将定义为nvcuda-volume(即更新链接库)的文件链接至libcuda.nvidia.so,实现容器中的GPU应用程序的调用适配。
作为示例,在使用docker命令创建实例时,可以指定同样文件映射规则,例如可以以-v命令实现映射规则,如:
-v/xcuda/libcuda.so:/usr/lib/x86_64-linux-gnu/libcuda.so:ro
即表示将宿主机中的/xcuda/libcuda.so目录挂载到容器的/usr/lib/x86_64-linux-gnu/libcuda.so目录中,以实现目标显存管理链接库在容器中的挂载,从而使得容器中的应用程序可以基于该目标显存管理链接库访问GPU。
由此,通过上述技术方案,可以通过配置目标显存管理链接库在主机中的文件映射,以将该目标显存管理链接库挂载至相应的容器中,在主机上的容器启动时,可以自动实现目标显存管理链接库对原生显存管理链接库的替换,以便于本公开所提供的显存分配方法与容器的适配,进一步拓宽本公开显存分配方法的应用范围,并且节省用户的配置操作,提升用户使用体验。
在一种可能的实施例中,所述方法还可以包括:
若所述使用容量和所述第一调用请求对应的申请容量之和不大于所述物理显存的总容量,则根据所述第一调用请求生成调用所述更新链接库中的显存分配接口的第三调用请求,并基于所述第三调用请求调用所述更新链接库中的显存分配接口。
根据所述第三调用请求的调用结果,获得所述第一调用请求的响应。
其中,所述使用容量和所述第一调用请求对应的申请容量之和不大于所述物理显存的总容量,即表示基于当前的物理显存可以响应于该第一调用请求进行显存分配。在该实施例中,可以基于该第一调用请求生成调用所述更新链接库中同名的显存分配接口的第三调用请求,接上文所述示例,第一调用请求可以是cuMemAlloc(CUdeviceptr*dptr,size_t bytesize),则此时可以调用更新链接库中libcuda.nvidia.so中的同名函数,即基于上述参数生成第三调用请求,以调用更新链接库中libcuda.nvidia.so中的cuMemAlloc()函数,以分配bytesize大小的显存。
由此,通过上述技术方案,在确定基于物理显存可以实现显存分配时,可以直接调用原生显存管理链接库中的显存分配接口,从而可以降低目标显存管理链接库的开发工作量的同时保证显存分配的准确性。
本公开还提供一种显存分配装置,如图2所示,所述装置10包括:
第一确定模块100,用于响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
生成模块200,用于若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
第二确定模块300,用于根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
可选地,所述内存托管接口用于动态申请内存,以将申请的内存作为虚拟显存;所述生成模块包括:
获取子模块,用于获取已申请的虚拟显存的容量;
分配子模块,用于若所述已申请的虚拟显存的容量和所述申请容量之和小于目标阈值,则基于所述内存托管接口和所述申请容量进行内存分配,所述目标阈值为基于内存的总容量与预设比例确定出的,所述预设比例大于0且小于1。
可选地,所述装置还包括:
第三确定模块,用于若所述已申请的内存的容量和所述申请容量之和不小于目标阈值,则确定所述第二调用请求的调用结果为未分配显存;
输出模块,用于输出提示消息,所述提示消息用于提示显存分配不足。
可选地,所述目标显存管理链接库通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库;
将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
可选地,所述显存分配方法应用于容器,所述目标显存管理链接库通过以下方式在所述容器中挂载:
在所述容器对应的主机的目标存储位置对所述目标显存管理链接库和所述更新链接库进行存储;
在所述容器启动时,将所述目标显存管理链接库链接至所述容器对应的原生显存管理链接库的链接地址,并将所述更新链接库链接至所述容器中的目标地址,其中,所述目标地址与所述链接地址不同。
可选地,所述装置还包括:
处理模块,用于若所述使用容量和所述第一调用请求对应的申请容量之和不大于所述物理显存的总容量,则根据所述第一调用请求生成调用所述更新链接库中的显存分配接口的第三调用请求,并基于所述第三调用请求调用所述更新链接库中的显存分配接口;
第四确定模块,用于根据所述第三调用请求的调用结果,获得所述第一调用请求的响应。
下面参考图3,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一确定模块还可以被描述为“响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种显存分配方法,其中,所述方法包括:
响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,其中,所述内存托管接口用于动态申请内存,以将申请的内存作为虚拟显存;所述基于所述第二调用请求调用所述内存托管接口,包括:
获取已申请的虚拟显存的容量;
若所述已申请的虚拟显存的容量和所述申请容量之和小于目标阈值,则基于所述内存托管接口和所述申请容量进行内存分配,所述目标阈值为基于内存的总容量与预设比例确定出的,所述预设比例大于0且小于1。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,其中,所述方法还包括:
若所述已申请的内存的容量和所述申请容量之和不小于目标阈值,则确定所述第二调用请求的调用结果为未分配显存;
输出提示消息,所述提示消息用于提示显存分配不足。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,其中,所述目标显存管理链接库通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库;
将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
根据本公开的一个或多个实施例,示例5提供了示例4的方法,其中,所述显存分配方法应用于容器,所述目标显存管理链接库通过以下方式在所述容器中挂载:
在所述容器对应的主机的目标存储位置对所述目标显存管理链接库和所述更新链接库进行存储;
在所述容器启动时,将所述目标显存管理链接库链接至所述容器对应的原生显存管理链接库的链接地址,并将所述更新链接库链接至所述容器中的目标地址,其中,所述目标地址与所述链接地址不同。
根据本公开的一个或多个实施例,示例6提供了示例4的方法,其中,所述方法还包括:
若所述使用容量和所述第一调用请求对应的申请容量之和不大于所述物理显存的总容量,则根据所述第一调用请求生成调用所述更新链接库中的显存分配接口的第三调用请求,并基于所述第三调用请求调用所述更新链接库中的显存分配接口;
根据所述第三调用请求的调用结果,获得所述第一调用请求的响应。
根据本公开的一个或多个实施例,示例7提供了一种显存分配装置,其中,所述装置包括:
第一确定模块,用于响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
生成模块,用于若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
第二确定模块,用于根据所述第二调用请求的调用结果,获得所述第一调用请求的响应。
根据本公开的一个或多个实施例,示例8提供了示例7的装置,其中,所述目标显存管理链接库通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库;
将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1-6中任一项所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现示例1-6中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。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。
Claims (8)
1.一种显存分配方法,其特征在于,所述方法包括:
响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
根据所述第二调用请求的调用结果,获得所述第一调用请求的响应;
所述目标显存管理链接库通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库;
将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
2.根据权利要求1所述的方法,其特征在于,所述内存托管接口用于动态申请内存,以将申请的内存作为虚拟显存;所述基于所述第二调用请求调用所述内存托管接口,包括:
获取已申请的虚拟显存的容量;
若所述已申请的虚拟显存的容量和所述申请容量之和小于目标阈值,则基于所述内存托管接口和所述申请容量进行内存分配,所述目标阈值为基于内存的总容量与预设比例确定出的,所述预设比例大于0且小于1。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述已申请的内存的容量和所述申请容量之和不小于目标阈值,则确定所述第二调用请求的调用结果为未分配显存;
输出提示消息,所述提示消息用于提示显存分配不足。
4.根据权利要求1所述的方法,其特征在于,所述显存分配方法应用于容器,所述目标显存管理链接库通过以下方式在所述容器中挂载:
在所述容器对应的主机的目标存储位置对所述目标显存管理链接库和所述更新链接库进行存储;
在所述容器启动时,将所述目标显存管理链接库链接至所述容器对应的原生显存管理链接库的链接地址,并将所述更新链接库链接至所述容器中的目标地址,其中,所述目标地址与所述链接地址不同。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述使用容量和所述第一调用请求对应的申请容量之和不大于所述物理显存的总容量,则根据所述第一调用请求生成调用所述更新链接库中的显存分配接口的第三调用请求,并基于所述第三调用请求调用所述更新链接库中的显存分配接口;
根据所述第三调用请求的调用结果,获得所述第一调用请求的响应。
6.一种显存分配装置,其特征在于,所述装置包括:
第一确定模块,用于响应于接收到应用程序对目标显存管理链接库中的显存分配接口的第一调用请求,确定物理显存的使用容量;
生成模块,用于若所述使用容量和所述第一调用请求对应的申请容量之和大于所述物理显存的总容量,则根据所述第一调用请求生成对内存托管接口进行调用的第二调用请求,并基于所述第二调用请求调用所述内存托管接口;
第二确定模块,用于根据所述第二调用请求的调用结果,获得所述第一调用请求的响应;
所述目标显存管理链接库通过以下方式进行链接:
将显存运算平台中的原生显存管理链接库的初始名称进行重命名,以获得更新链接库;
将所述目标显存管理链接库的名称命名为所述原生的显存管理链接库的初始名称,并将所述目标显存管理链接库连接到所述显存运算平台、与所述原生显存管理链接库对应的链接地址,其中,所述目标显存管理链接库和更新链接库中存在一一对应的同名接口,所述目标显存管理链接库中的显存分配接口的实现、和所述更新链接库中的显存分配接口的实现不同,所述目标显存管理链接库中除所述显存分配接口之外的其他接口的实现为对所述更新链接库中的相对应的同名接口的调用。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。
8.一种电子设备,其特征在于,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256037.5A CN114625536B (zh) | 2022-03-15 | 2022-03-15 | 显存分配方法、装置、介质及电子设备 |
PCT/CN2023/077468 WO2023174013A1 (zh) | 2022-03-15 | 2023-02-21 | 显存分配方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210256037.5A CN114625536B (zh) | 2022-03-15 | 2022-03-15 | 显存分配方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625536A CN114625536A (zh) | 2022-06-14 |
CN114625536B true CN114625536B (zh) | 2023-10-31 |
Family
ID=81901987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210256037.5A Active CN114625536B (zh) | 2022-03-15 | 2022-03-15 | 显存分配方法、装置、介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114625536B (zh) |
WO (1) | WO2023174013A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625536B (zh) * | 2022-03-15 | 2023-10-31 | 北京有竹居网络技术有限公司 | 显存分配方法、装置、介质及电子设备 |
CN115202892B (zh) * | 2022-09-15 | 2022-12-23 | 粤港澳大湾区数字经济研究院(福田) | 一种机密计算协处理器的内存扩展系统和内存扩展方法 |
CN117742957A (zh) * | 2023-12-20 | 2024-03-22 | 摩尔线程智能科技(北京)有限责任公司 | 内存分配方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6817011B1 (en) * | 1999-12-14 | 2004-11-09 | International Business Machines Corporation | Memory allocation profiling to discover high frequency allocators |
CN111078412A (zh) * | 2019-12-12 | 2020-04-28 | 中山大学 | 一种通过api截获对gpu进行资源管理的方法 |
CN111737019A (zh) * | 2020-08-31 | 2020-10-02 | 西安芯瞳半导体技术有限公司 | 一种显存资源的调度方法、装置及计算机存储介质 |
CN112000463A (zh) * | 2020-07-16 | 2020-11-27 | 苏州浪潮智能科技有限公司 | 一种基于cuda的gpu资源分配方法、系统、终端及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413408A (zh) * | 2019-06-29 | 2019-11-05 | 苏州浪潮智能科技有限公司 | 一种深度学习框架的显存控制方法、设备以及存储介质 |
US11321068B2 (en) * | 2019-09-05 | 2022-05-03 | International Business Machines Corporation | Utilizing memory coherency to improve bandwidth performance |
CN111562988B (zh) * | 2020-05-19 | 2022-11-25 | 苏州浪潮智能科技有限公司 | 一种神经网络训练计算的迁移方法和装置 |
CN113835887A (zh) * | 2021-09-17 | 2021-12-24 | 北京百度网讯科技有限公司 | 显存的分配方法、装置、电子设备及可读存储介质 |
CN114625536B (zh) * | 2022-03-15 | 2023-10-31 | 北京有竹居网络技术有限公司 | 显存分配方法、装置、介质及电子设备 |
-
2022
- 2022-03-15 CN CN202210256037.5A patent/CN114625536B/zh active Active
-
2023
- 2023-02-21 WO PCT/CN2023/077468 patent/WO2023174013A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6817011B1 (en) * | 1999-12-14 | 2004-11-09 | International Business Machines Corporation | Memory allocation profiling to discover high frequency allocators |
CN111078412A (zh) * | 2019-12-12 | 2020-04-28 | 中山大学 | 一种通过api截获对gpu进行资源管理的方法 |
CN112000463A (zh) * | 2020-07-16 | 2020-11-27 | 苏州浪潮智能科技有限公司 | 一种基于cuda的gpu资源分配方法、系统、终端及存储介质 |
CN111737019A (zh) * | 2020-08-31 | 2020-10-02 | 西安芯瞳半导体技术有限公司 | 一种显存资源的调度方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023174013A1 (zh) | 2023-09-21 |
CN114625536A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114625536B (zh) | 显存分配方法、装置、介质及电子设备 | |
CN111475235B (zh) | 函数计算冷启动的加速方法、装置、设备及存储介质 | |
CN111581555B (zh) | 一种文档加载方法、装置、设备及存储介质 | |
CN112965761B (zh) | 一种数据处理方法、系统、电子设备及存储介质 | |
CN111400068B (zh) | 接口的控制方法、装置、可读介质和电子设备 | |
CN111309304B (zh) | 一种生成idl文件的方法、装置、介质和电子设备 | |
CN112306685B (zh) | 任务隔离方法、装置、电子设备及计算机可读介质 | |
CN112416303B (zh) | 软件开发工具包热修复方法、装置及电子设备 | |
CN113391860B (zh) | 服务请求处理方法、装置、电子设备及计算机存储介质 | |
CN113391882B (zh) | 虚拟机内存管理方法、装置、存储介质及电子设备 | |
CN116679930A (zh) | 一种前端项目的构建方法、装置、电子设备及存储介质 | |
CN113127430A (zh) | 镜像信息处理方法、装置、计算机可读介质及电子设备 | |
CN113886105B (zh) | 跨进程的调用方法、装置、存储介质及电子设备 | |
CN111240738B (zh) | 文件处理方法、装置、设备及介质 | |
CN111538717B (zh) | 数据处理的方法、装置、电子设备及计算机可读介质 | |
CN114047922B (zh) | 用于预编译器的代码转换方法、装置、介质及设备 | |
CN111182062A (zh) | 服务多活调用方法、系统及电子设备 | |
CN112148448B (zh) | 资源分配方法、装置、设备和计算机可读介质 | |
CN111831655B (zh) | 一种数据处理的方法、装置、介质和电子设备 | |
CN114398233B (zh) | 一种负载异常检测方法、装置、服务器和存储介质 | |
CN111626787B (zh) | 资源发放方法、装置、介质和设备 | |
CN112559394B (zh) | 系统库访问方法、装置以及电子设备 | |
CN117093149A (zh) | 内存管理方法、装置、介质及电子设备 | |
CN116263824A (zh) | 资源访问方法、装置、存储介质以及电子设备 | |
CN118132204A (zh) | 一种容器管理方法、装置、设备及介质 |
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 |