CN115857655A - Gpu的功耗控制方法、装置、设备、介质和程序产品 - Google Patents
Gpu的功耗控制方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN115857655A CN115857655A CN202211667305.9A CN202211667305A CN115857655A CN 115857655 A CN115857655 A CN 115857655A CN 202211667305 A CN202211667305 A CN 202211667305A CN 115857655 A CN115857655 A CN 115857655A
- Authority
- CN
- China
- Prior art keywords
- current
- gpu
- power consumption
- target
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000007306 turnover Effects 0.000 claims abstract description 78
- 230000006870 function Effects 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 50
- 238000010586 diagram Methods 0.000 description 14
- 230000003068 static effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- 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)
- Power Sources (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开涉及电数字数据处理技术领域，尤其涉及一种GPU的功耗控制方法、装置、设备、介质和程序产品。所述方法包括：获得GPU的当前翻转率；根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
Description
技术领域
本公开涉及电数字数据处理技术领域，尤其涉及一种GPU的功耗控制方法、GPU的功耗控制装置、电子设备、存储介质和程序产品。
背景技术
目前，通常由操作系统(Operating System，OS)保存一张GPU(GraphicsProcessing Unit，图形处理器)的电压频率对应关系表，主机(host)端根据主机的当前状态，指示GPU切换工作频率和工作电压，从而达到性能指标。
其中，操作系统保存的电压频率对应关系表通常是由芯片验证团队根据最恶劣的测试环境测试得到的，以使GPU在最恶劣的场景下也能正常工作。
然而，上述方式将导致GPU的性能功耗比较低。
发明内容
本公开提供了一种GPU的功耗控制技术方案。
根据本公开的一方面，提供了一种GPU的功耗控制方法，包括：
获得GPU的当前翻转率；
根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；
根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
通过获得GPU的当前翻转率，根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系，并根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，由此能够基于GPU的当前翻转率确定适合当前场景的电压频率对应关系，以确定适合当前场景的工作电压和工作频率，从而能够提高GPU的性能功耗比。
在一种可能的实现方式中，所述获得GPU的当前翻转率，包括：
获取所述GPU的当前功耗参数；
根据所述当前功耗参数，确定所述GPU的当前翻转率。
在该实现方式中，通过获取所述GPU的当前功耗参数，并根据所述当前功耗参数，确定所述GPU的当前翻转率，由此能够准确地确定GPU的当前翻转率。
在一种可能的实现方式中，所述当前功耗参数包括以下至少两项：
占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压。
在该实现方式中，通过根据占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压中的至少两项，确定GPU的当前翻转率，由此能够提高所确定的当前翻转率的准确性。
在一种可能的实现方式中，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：
确定所述最大功耗与所述当前功耗的比值；
根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
在该实现方式中，通过确定所述最大功耗与所述当前功耗的比值，并根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率，由此准确的当前翻转率能够更准确地反映GPU的当前场景。
在一种可能的实现方式中，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：
将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率。
在该实现方式中，通过预先训练用于根据功耗参数确定翻转率的神经网络，并将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率，由此能够提高所确定的当前翻转率的准确性。
在一种可能的实现方式中，所述根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，包括：
根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数；
将所述比值函数对工作电压求导，并根据极值点确定目标工作电压；
根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率。
在该实现方式中，通过根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数，将所述比值函数对工作电压求导，并根据极值点确定目标工作电压，并根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率，由此能够使GPU的性能功耗比维持理论最优。
根据本公开的一方面，提供了一种GPU的功耗控制装置，包括：
获得模块，用于获得GPU的当前翻转率；
第一确定模块，用于根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；
第二确定模块，用于根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
在一种可能的实现方式中，所述获得模块用于：
获取所述GPU的当前功耗参数；
根据所述当前功耗参数，确定所述GPU的当前翻转率。
在一种可能的实现方式中，所述当前功耗参数包括以下至少两项：
占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压。
在一种可能的实现方式中，所述获得模块用于：
确定所述最大功耗与所述当前功耗的比值；
根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
在一种可能的实现方式中，所述获得模块用于：
将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率。
在一种可能的实现方式中，所述第二确定模块用于：
根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数；
将所述比值函数对工作电压求导，并根据极值点确定目标工作电压；
根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
在本公开实施例中，通过获得GPU的当前翻转率，根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系，并根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，由此能够基于GPU的当前翻转率确定适合当前场景的电压频率对应关系，以确定适合当前场景的工作电压和工作频率，从而能够提高GPU的性能功耗比。
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，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的GPU的功耗控制方法的流程图。
图2示出本公开实施例提供的GPU的功耗控制装置的框图。
图3示出本公开实施例提供的电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例提供了一种GPU的功耗控制方法，通过获得GPU的当前翻转率，根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系，并根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，由此能够基于GPU的当前翻转率确定适合当前场景的电压频率对应关系，以确定适合当前场景的工作电压和工作频率，从而能够提高GPU的性能功耗比。
下面结合附图对本公开实施例提供的GPU的功耗控制方法进行详细的说明。
图1示出本公开实施例提供的GPU的功耗控制方法的流程图。在一种可能的实现方式中，所述GPU(Graphics Processing Unit，图形处理器)的功耗控制方法的执行主体可以是GPU的功耗控制装置，例如，所述GPU的功耗控制方法可以由终端设备或服务器或其它电子设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述GPU的功耗控制方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述GPU的功耗控制方法包括步骤S11至步骤S13。
在步骤S11中，获得GPU的当前翻转率。
在步骤S12中，根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系。
在步骤S13中，根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
其中，翻转率可以表示单位时间内信号的翻转次数。GPU的当前翻转率可以表示GPU当前的翻转率。GPU的当前翻转率可以基于预设参数计算得到，或者可以通过预设工具提取，在此不做限定。
在一种可能的实现方式中，所述获得GPU的当前翻转率，包括：获取所述GPU的当前功耗参数；根据所述当前功耗参数，确定所述GPU的当前翻转率。
在该实现方式中，GPU的功耗参数可以是能够表示GPU的功耗的任意参数。相应地，GPU的当前功耗参数可以是能够表示GPU的当前功耗的任意参数。在该实现方式中，GPU的当前翻转率可以根据GPU的至少一个当前功耗参数确定。例如，GPU的当前翻转率可以根据GPU的两个以上当前功耗参数确定。
在该实现方式中，通过获取所述GPU的当前功耗参数，并根据所述当前功耗参数，确定所述GPU的当前翻转率，由此能够准确地确定GPU的当前翻转率。
作为该实现方式的一个示例，所述当前功耗参数包括以下至少两项：占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压。
在该示例中，可以通过预设功耗检测器件读取GPU的功耗。例如，预设功耗检测器件可以为INA3221等，在此不做限定。预设功耗检测器件可以响应于GPU的功耗达到预设功耗阈值，触发中断。另外，GPU中的系统管理控制器(System Management Controller，SMC)可以周期性地从预设功耗检测器件读取GPU的功耗数据。与相关技术中由操作系统对GPU的功耗进行单一控制的方式相比，该示例由GPU参与进行组合控制，从而不仅能够得到操作系统层面的功耗优化，还能够得到GPU层面的功耗优化。
其中，根据预设时长内采集到的GPU的功耗和中断的次数，可以得到当前场景的占空比、工作周期、最大功耗和当前功耗。例如，占空比D＝t2/(t1+t2)，工作周期C＝t1+t2，最大功耗可以采用Pmax表示，当前功耗可以采用Pcurrent表示。
在该示例中，还可以获取当前工作频率和/或当前工作电压。其中，当前工作频率可以采用fcurrent表示，当前工作电压可以采用vcurrent表示。
在一个例子中，当前功耗参数可以包括占空比、工作周期、最大功耗、当前功耗、当前工作频率和当前工作电压。
在该示例中，通过根据占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压中的至少两项，确定GPU的当前翻转率，由此能够提高所确定的当前翻转率的准确性。
在一个示例中，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：确定所述最大功耗与所述当前功耗的比值；根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
其中，最大功耗与当前功耗的比值R＝Pmax/Pcurrent。
在该示例中，通过确定所述最大功耗与所述当前功耗的比值，并根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率，由此准确的当前翻转率能够更准确地反映GPU的当前场景。
在另一个示例中，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：确定所述当前功耗与所述最大功耗的比值；根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
在其他示例中，所述当前功耗参数还包括平均功耗、平均工作频率、平均工作电压、最大工作频率、最小工作频率、最大工作电压、最小工作电压等中的至少之一，在此不做限定。
作为该实现方式的一个示例，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率。
在该示例中，通过预先训练用于根据功耗参数确定翻转率的神经网络，并将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率，由此能够提高所确定的当前翻转率的准确性。
作为该实现方式的另一个示例，可以预先设计多项式函数，并将各个当前功耗参数输入该预设的多项式函数，以得到GPU的当前翻转率。
在一种可能的实现方式中，可以以预设频率获得GPU的当前翻转率，并可以响应于所述当前翻转率与上一次获得的翻转率不同，重新确定GPU当前对应的目标电压频率对应关系。
当然，在其他实现方式中，也可以根据应用场景灵活设置获得GPU的当前翻转率的时机，在此不做限定。
在本公开实施例中，GPU的功耗可以表示GPU的总功耗，GPU的总功耗可以包括GPU的动态功耗和GPU的静态功耗。例如，GPU的总功耗Ptotal＝Pdynamic+Pstatic。其中，Pdynamic表示GPU的动态功耗，Pstatic表示GPU的静态功耗。其中，GPU的静态功耗可以为固定值，且可以通过示波器测出或者可以通过其他方式获取。
在40nm之前的工艺节点，GPU的动态功耗在总功耗中占比很大。而随着工艺的演进，静态功耗在总功耗的占比逐渐增大，7nm下已经到了跟动态功耗可比拟的程度，这进一步增加了DVFS(Dynamic Voltage and Frequency Scaling，动态电压频率调节)实现的难度。
在一个例子中，动态功耗Pdynamic＝α×C×V2×F。其中，α为翻转率，C为负载电容，V为工作电压，F为工作频率。因此，通过降低翻转率、负载电容、工作电压和工作频率中的至少之一，可以达到降低功耗的目的。
由于动态功耗与工作电压的平方成正比，工作电压降低30％，动态功耗即可降低50％，因此，降低电压是降低GPU的功耗的主要手段。工作电压受芯片工艺、当前工艺条件下的开关电压、工作频率等因素的限制。芯片工艺对某个工艺节点下的最高和最低电压都有限制，开关电压主要限制芯片的最低工作电压，工作频率也限制芯片的最低工作电压。
翻转率可以与应用、架构、设计实现等相关，且翻转率与应用的关系较大。其中，应用可以决定翻转率的下限，架构和设计实现可以决定翻转率的上限。另外，在实现层面上，翻转率的降低可以通过时钟门控(clock gating)实施。在一些示例中，翻转率也可以称为功率因子或者开关系数等，在此不做限定。
GPU的工作频率与GPU的工作电压、功耗以及性能正相关。通常，我们希望最大化性能，最小化功耗。
负载电容主要由芯片工艺决定。在芯片设计阶段，通常不会考虑如何主动降低负载电容。
在本公开实施例中，可以预先设置至少两个电压频率对应关系，并且，可以预先设置至少两个电压频率对应关系与预设翻转率区间之间的对应关系。例如，可以预设多个电压频率对应关系。在任一电压频率对应关系中的任一工作频率对应的工作电压，可以是能够满足该工作频率的最小工作电压；在任一电压频率对应关系中的任一工作电压对应的工作频率，可以是该工作电压支持的最大工作频率。
在确定GPU的当前翻转率之后，可以所述当前翻转率的大小，确定所述当前翻转率所属的预设翻转率区间，并可以将所述当前翻转率所属的预设翻转率区间对应的电压频率对应关系，确定为目标电压频率对应关系。
在一种可能的实现方式中，所述根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，包括：根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数；将所述比值函数对工作电压求导，并根据极值点确定目标工作电压；根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率。在该实现方式中，GPU的功耗可以指GPU的总功耗。
例如，目标电压频率对应关系为F＝f(p,V,t)，其中，f(p,V,t)＝c0×p2+c1×V2+c2×t2+c3×p×V+c4×V×t+c5×p×t+c6×p+c7×V+c8×t，F表示工作频率，V表示工作电压，p表示工艺角，t表示温度，c0至c8为拟合参数。
例如，GPU的功耗与工作频率的比值函数为Ptotal/F＝α×C×V2+Pstatic/F。其中，Ptotal/F可以表示单位频率所需的功耗。将比值函数对V求导，可以确定目标工作电压。根据F＝f(p,V,t)，可以确定目标工作频率。
在该实现方式中，通过根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数，将所述比值函数对工作电压求导，并根据极值点确定目标工作电压，并根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率，由此能够使GPU的性能功耗比维持理论最优。
在另一种可能的实现方式中，可以先根据所述目标电压频率对应关系以及所述当前翻转率，确定目标工作频率，再根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作电压。
下面通过一个具体的应用场景说明本公开实施例提供的GPU的功耗控制方法。
在该应用场景中，可以通过INA3221读取GPU的功耗。INA3221可以响应于GPU的功耗达到预设功耗阈值，触发中断。GPU中的SMC可以周期性地从INA3221读取GPU的功耗数据。根据预设时长内采集到的GPU的功耗和中断的次数，可以得到当前场景的占空比D＝t2/(t1+t2)，工作周期C＝t1+t2，最大功耗Pmax以及当前功耗Pcurrent。另外，还可以获取当前工作频率fcurrent和当前工作电压vcurrent。可以确定最大功耗与当前功耗的比值R＝Pmax/Pcurrent。可以将占空比D、工作周期C、最大功耗与当前功耗的比值R、当前工作频率fcurrent和当前工作电压vcurrent输入预先训练的神经网络，经由所述神经网络输出GPU的当前翻转率。
在确定GPU的当前翻转率之后，可以确定所述当前翻转率所属的预设翻转率区间，并可以将所述当前翻转率所属的预设翻转率区间对应的电压频率对应关系，确定为目标电压频率对应关系。例如，目标电压频率对应关系为F＝f(p,V,t)，其中，f(p,V,t)＝c0×p2+c1×V2+c2×t2+c3×p×V+c4×V×t+c5×p×t+c6×p+c7×V+c8×t。
例如，GPU的总功耗Ptotal＝Pdynamic+Pstatic。那么，GPU的总功耗与工作频率的比值函数为Ptotal/F＝α×C×V2+Pstatic/F。将比值函数对V求导，可以确定目标工作电压。根据F＝f(p,V,t)，可以确定目标工作频率。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了GPU的功耗控制装置、电子设备、计算机可读存储介质、计算机程序产品，上述均可用来实现本公开提供的任一种GPU的功耗控制方法，相应技术方案和技术效果可参见方法部分的相应记载，不再赘述。
图2示出本公开实施例提供的GPU的功耗控制装置的框图。如图2所示，所述GPU的功耗控制装置包括：
根据本公开的一方面，提供了一种GPU的功耗控制装置，包括：
获得模块21，用于获得GPU的当前翻转率；
第一确定模块22，用于根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；
第二确定模块23，用于根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
在一种可能的实现方式中，所述获得模块21用于：
获取所述GPU的当前功耗参数；
根据所述当前功耗参数，确定所述GPU的当前翻转率。
在一种可能的实现方式中，所述当前功耗参数包括以下至少两项：
占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压。
在一种可能的实现方式中，所述获得模块21用于：
确定所述最大功耗与所述当前功耗的比值；
根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
在一种可能的实现方式中，所述获得模块21用于：
将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率。
在一种可能的实现方式中，所述第二确定模块23用于：
根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数；
将所述比值函数对工作电压求导，并根据极值点确定目标工作电压；
根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率。
在本公开实施例中，通过获得GPU的当前翻转率，根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系，并根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，由此能够基于GPU的当前翻转率确定适合当前场景的电压频率对应关系，以确定适合当前场景的工作电压和工作频率，从而能够提高GPU的性能功耗比。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现和技术效果可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例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，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。
本公开实施例还提出一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行上述方法。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图3示出本公开实施例提供的电子设备1900的框图。例如，电子设备1900可以被提供为一终端或服务器等。参照图3，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
若本公开实施例的技术方案涉及个人信息，应用本公开实施例的技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本公开实施例的技术方案涉及敏感个人信息，应用本公开实施例的技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种GPU的功耗控制方法，其特征在于，包括：
获得GPU的当前翻转率；
根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；
根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
2.根据权利要求1所述的方法，其特征在于，所述获得GPU的当前翻转率，包括：
获取所述GPU的当前功耗参数；
根据所述当前功耗参数，确定所述GPU的当前翻转率。
3.根据权利要求2所述的方法，其特征在于，所述当前功耗参数包括以下至少两项：
占空比、工作周期、最大功耗、当前功耗、当前工作频率、当前工作电压。
4.根据权利要求3所述的方法，其特征在于，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：
确定所述最大功耗与所述当前功耗的比值；
根据所述占空比、所述工作周期、所述比值、所述当前工作频率和所述当前工作电压，确定所述GPU的当前翻转率。
5.根据权利要求2至4中任意一项所述的方法，其特征在于，所述根据所述当前功耗参数，确定所述GPU的当前翻转率，包括：
将所述当前功耗参数输入预先训练的神经网络，经由所述神经网络输出所述当前翻转率。
6.根据权利要求1至4中任意一项所述的方法，其特征在于，所述根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率，包括：
根据所述目标电压频率对应关系，以及所述当前翻转率，得到所述GPU的功耗与工作频率的比值函数；
将所述比值函数对工作电压求导，并根据极值点确定目标工作电压；
根据所述目标工作电压和所述目标电压频率对应关系，确定目标工作频率。
7.一种GPU的功耗控制装置，其特征在于，包括：
获得模块，用于获得GPU的当前翻转率；
第一确定模块，用于根据所述当前翻转率，确定所述GPU当前对应的目标电压频率对应关系；
第二确定模块，用于根据所述目标电压频率对应关系，确定所述GPU的目标工作电压和目标工作频率。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行权利要求1至6中任意一项所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211667305.9A CN115857655B (zh) | 2022-12-23 | 2022-12-23 | Gpu的功耗控制方法、装置、设备、介质和程序产品 |
| PCT/CN2023/139860 WO2024131784A1 (zh) | 2022-12-23 | 2023-12-19 | 图形处理器的功耗控制方法、装置、设备、介质和程序产品 |
| TW112150349A TW202427129A (zh) | 2022-12-23 | 2023-12-22 | 圖形處理器的功耗控制方法、電子設備和電腦可讀儲存媒體 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211667305.9A CN115857655B (zh) | 2022-12-23 | 2022-12-23 | Gpu的功耗控制方法、装置、设备、介质和程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115857655A true CN115857655A (zh) | 2023-03-28 |
| CN115857655B CN115857655B (zh) | 2024-01-23 |
Family
ID=85654410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211667305.9A Active CN115857655B (zh) | 2022-12-23 | 2022-12-23 | Gpu的功耗控制方法、装置、设备、介质和程序产品 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN115857655B (zh) |
| TW (1) | TW202427129A (zh) |
| WO (1) | WO2024131784A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024131784A1 (zh) * | 2022-12-23 | 2024-06-27 | 摩尔线程智能科技(北京)有限责任公司 | 图形处理器的功耗控制方法、装置、设备、介质和程序产品 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110209501A (zh) * | 2019-06-03 | 2019-09-06 | Oppo广东移动通信有限公司 | 图形处理器的频率调整方法、装置、终端及存储介质 |
| CN110245061A (zh) * | 2019-04-30 | 2019-09-17 | 上海兆芯集成电路有限公司 | 计算装置、其功耗预测方法及计算机可读存储介质 |
| CN111429333A (zh) * | 2020-03-25 | 2020-07-17 | 京东方科技集团股份有限公司 | 一种gpu动态调频的方法、装置及系统 |
| US20210124404A1 (en) * | 2019-10-29 | 2021-04-29 | Intel Corporation | Workload aware power limiting and multiple-input multiple-output control |
| CN115237244A (zh) * | 2022-06-27 | 2022-10-25 | Oppo广东移动通信有限公司 | 图形处理单元的控制方法、装置、终端设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110417516B (zh) * | 2019-08-16 | 2022-03-01 | 北京小米移动软件有限公司 | 无线调制解调器的调整方法及装置 |
| CN114943156A (zh) * | 2022-06-22 | 2022-08-26 | 中国农业银行股份有限公司 | 一种功耗评估方法、装置、设备、介质及产品 |
| CN115857655B (zh) * | 2022-12-23 | 2024-01-23 | 摩尔线程智能科技(北京)有限责任公司 | Gpu的功耗控制方法、装置、设备、介质和程序产品 |
-
2022
- 2022-12-23 CN CN202211667305.9A patent/CN115857655B/zh active Active
-
2023
- 2023-12-19 WO PCT/CN2023/139860 patent/WO2024131784A1/zh unknown
- 2023-12-22 TW TW112150349A patent/TW202427129A/zh unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245061A (zh) * | 2019-04-30 | 2019-09-17 | 上海兆芯集成电路有限公司 | 计算装置、其功耗预测方法及计算机可读存储介质 |
| CN110209501A (zh) * | 2019-06-03 | 2019-09-06 | Oppo广东移动通信有限公司 | 图形处理器的频率调整方法、装置、终端及存储介质 |
| US20210124404A1 (en) * | 2019-10-29 | 2021-04-29 | Intel Corporation | Workload aware power limiting and multiple-input multiple-output control |
| CN111429333A (zh) * | 2020-03-25 | 2020-07-17 | 京东方科技集团股份有限公司 | 一种gpu动态调频的方法、装置及系统 |
| CN115237244A (zh) * | 2022-06-27 | 2022-10-25 | Oppo广东移动通信有限公司 | 图形处理单元的控制方法、装置、终端设备及存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024131784A1 (zh) * | 2022-12-23 | 2024-06-27 | 摩尔线程智能科技(北京)有限责任公司 | 图形处理器的功耗控制方法、装置、设备、介质和程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024131784A1 (zh) | 2024-06-27 |
| CN115857655B (zh) | 2024-01-23 |
| TW202427129A (zh) | 2024-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107291950B (zh) | 表单数据更新方法、装置及计算机设备 | |
| US10831958B2 (en) | Integrated circuit design with optimized timing constraint configuration | |
| CN116225202B (zh) | 用于gpu的功耗控制方法、装置、电子设备和存储介质 | |
| CN115857655A (zh) | Gpu的功耗控制方法、装置、设备、介质和程序产品 | |
| CN115877938B (zh) | Gpu的控制方法、装置、设备、存储介质和程序产品 | |
| CN110889544B (zh) | 配电网运行指标的预测方法及装置 | |
| CN112528995A (zh) | 用于训练目标检测模型的方法、目标检测方法及装置 | |
| CN111352791A (zh) | 一种系统应用的检测方法、装置、终端设备及存储介质 | |
| CN114417780B (zh) | 状态同步方法、装置、电子设备及存储介质 | |
| US10254959B2 (en) | Method of inputting a character into a text string using a sliding touch gesture, and electronic device therefor | |
| CN116884330A (zh) | 一种显示面板的可靠性测试方法及测试系统 | |
| US20170063718A1 (en) | Repurposing a target endpoint to execute a management task | |
| CN114003542B (zh) | 信号调节器、信号调节方法、电子设备和存储介质 | |
| CN113361575B (zh) | 模型训练方法、装置和电子设备 | |
| CN116416115B (zh) | Gpu的控制方法、装置、设备、存储介质和程序产品 | |
| CN108173608B (zh) | 获取功率估计值的方法、装置和存储介质以及电子设备 | |
| US10872019B2 (en) | Load and save recovery partition using mobile device | |
| CN111860214A (zh) | 人脸检测方法及其模型的训练方法、装置及电子设备 | |
| CN113361719A (zh) | 基于图像处理模型的增量学习方法和图像处理方法 | |
| CN116166114B (zh) | 用于gpu的功耗控制方法、装置、电子设备和存储介质 | |
| CN117762654B (zh) | 应用程序采集gpu信息的方法、装置、设备和存储介质 | |
| CN115981448A (zh) | Gpu的功耗控制方法、装置、设备、介质和程序产品 | |
| CN116974922B (zh) | 深度学习模型的性能分析方法、装置、设备和存储介质 | |
| CN117539631B (zh) | Gpu系统的控制方法、装置、电子设备和存储介质 | |
| CN117632650A (zh) | 功耗分析方法、装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |