CN117032945A - 一种通过能耗感知调整计算资源平衡能耗的异构计算架构 - Google Patents

一种通过能耗感知调整计算资源平衡能耗的异构计算架构 Download PDF

Info

Publication number
CN117032945A
CN117032945A CN202310751631.6A CN202310751631A CN117032945A CN 117032945 A CN117032945 A CN 117032945A CN 202310751631 A CN202310751631 A CN 202310751631A CN 117032945 A CN117032945 A CN 117032945A
Authority
CN
China
Prior art keywords
energy consumption
computing
consumption
power
processor
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.)
Pending
Application number
CN202310751631.6A
Other languages
English (en)
Inventor
董贇
韦宗慧
蒙琦
银源
刘凯杰
符嘉成
杨崇富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Power Grid Co Ltd
Original Assignee
Guangxi Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi Power Grid Co Ltd filed Critical Guangxi Power Grid Co Ltd
Priority to CN202310751631.6A priority Critical patent/CN117032945A/zh
Publication of CN117032945A publication Critical patent/CN117032945A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3058Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5094Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Power Sources (AREA)

Abstract

本发明公开了一种通过能耗感知调整计算资源平衡能耗的异构计算架构,包括:硬件,硬件用于输入并存储程序和数据;硬件包含性能提升组件和能耗优化组件,硬件上设置有能耗感知组件;软件,软件是一系列按照特定顺序组织的计算机数据和指令的集合,软件包含计算算法、资源调度和任务分配,计算算法、资源调度和任务分配之间互相配合。本发明利用能耗感知组件和能耗优化相配合的设置方式,通过能耗感知组件,便于对硬件上的能耗进行感知,便于低功率处理器能进行资源平衡处理,且能进行功耗监控及功耗控制处理,使其能稳定调整计算资源,便于降低计算机使用过程中的卡顿现象,提高异构计算架构对能耗平衡的性能。

Description

一种通过能耗感知调整计算资源平衡能耗的异构计算架构
技术领域
本发明涉及异构计算领域,特别涉及一种通过能耗感知调整计算资源平衡能耗的异构计算架构。
背景技术
随着通信和网络技术的迅速发展,异构计算是一种特殊形式的并行和分布式计算,它或是用能同时支持simd方式和mimd方式的单个独立计算机,或是用由高速网络互连的一组独立计算机来完成计算任务,它能协调地使用性能、结构各异的机器以满足不同的计算需求,并使代码能以获取最大总体性能方式来执行;网络计算概念应运而生,在异构计算系统上进行的并行计算通常称为异构计算。
在现有的异构计算架构中,对能耗的计算调整比较重要,然而在对能耗的调整过程中,不能合理的对资源进行平衡,导致计算机在使用过程中仍会存在一定的卡顿现象,异构计算架构对能耗平衡性能降低。
发明内容
本发明的目的在于提供一种通过能耗感知调整计算资源平衡能耗的异构计算架构,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种通过能耗感知调整计算资源平衡能耗的异构计算架构,包括:
硬件,所述硬件用于输入并存储程序和数据;所述硬件包含性能提升组件和能耗优化组件,所述性能提升组件和能耗优化组件互相配合使用,所述硬件上设置有能耗感知组件;
软件,所述软件是一系列按照特定顺序组织的计算机数据和指令的集合,所述软件包含计算算法、资源调度和任务分配,所述计算算法、资源调度和任务分配之间互相配合。
优选的,所述性能提升和能耗优化并列设置,所述能耗优化组件包含有低功耗处理器、功耗监控和协同调度,所述功耗监控用于低功耗处理器的耗能监控,所述功耗监控即为功耗监控器,用于测量和报告当前处理器的功耗信息,并通过总线与硬件上的电路板器件进行通信,所述协同调度用于多个低功耗处理器的平衡调度。
优选的,所述低功率处理器包含N种类处理器、N数据处理器、功耗控制处理器和通信互联处理器,所述N数据处理器为不同N种类处理器的多个设置,所述功耗控制处理器用于N种类处理器的功耗平衡,所述通信互联处理器用于N种类处理器之间的网络通信及数据传输,用于资源的平衡共享。
优选的,所述N种类处理器包含有多核心CPU、GPU和FPGA,所述多核心CPU、GPU和FPGA上分别设置有能耗传感器,能耗传感器用于处理器的能耗感知。
优选的,所述能耗传感器由敏感元件、转换元件、转换电路和辅助电源四部分组成,所述敏感元件用于直接感受被测量处理器数据,并输出与被测量处理器有确定关系的物理量信号,所述转换元件将敏感元件输出的物理量信号转换为电信号,所述转换电路用于对转换元件输出的电信号进行放大调制,所述转换元件和转换电路通过辅助电源供电。
优选的,多个所述敏感元件分别与多核心CPU、GPU、FPGA相贴合设置,所述敏感元件、转换元件、转换电路和辅助电源相邻设置。
优选的,所述性能提升包含计算速度提升和及计算效率,所述计算速度提升由多核心CPU完成设置,所述计算效率由并行计算方法设置,所述并行计算方法为多核心CPU、GPU和FPGA在时间和空间上独立并发的执行计算。
优选的,所述CPU包含为多个性能域,同一个所述性能域内的核心具有相同的容量和功率的对应关系,多个所述性能域上共用同一套能耗模型。
优选的,所述GPU用于对系统输入的视频信息进行构建和渲染,所述GPU用于减少对CPU的依赖,所述GPU与CPU配合调整工作。
优选的,所述FPGA用于解决原有的器件门电路数较少的问题,所述FPGA用于事先编辑的逻辑结构文件调整内部结构,用于来调整不同逻辑单元的连接和位置,所述FPGA用于处理数据线路径。
本发明的技术效果和优点:
(1)本发明利用能耗感知组件和能耗优化相配合的设置方式,通过能耗感知组件,便于对硬件上的能耗进行感知,便于低功率处理器能进行资源平衡处理,且能进行功耗监控及功耗控制处理,使其能稳定调整计算资源,便于降低计算机使用过程中的卡顿现象,提高异构计算架构对能耗平衡的性能;
(2)本发明利用通信互联处理器和能耗传感器相配合的设置方式,通过通信互联处理器的设置,便于N种类处理器之间的网络通信及数据传输,用于资源的平衡共享,提高计算资源平衡的稳定性,通过能耗传感器的设置,用于多核心CPU、GPU和FPGA的能耗感知,提高异构计算架构实用过程中的稳定性。
附图说明
图1为本发明异构计算架构整体示意图。
图2为本发明低功耗处理器示意图。
图3为本发明N种类示意图。
图4为本发明性能提升示意图。
具体实施方式
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,都属于本发明保护的范围。
本发明提供了如图1-4所示的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,包括:
硬件,硬件用于输入并存储程序和数据;硬件包含性能提升组件和能耗优化组件,性能提升组件和能耗优化组件互相配合使用,性能提升和能耗优化并列设置,性能提升组件能提高硬件的性能,能提高硬件的使用效率;
硬件上设置有能耗感知组件,能耗感知组件由能耗模型结构组成,能用于硬件上的能耗感知,能了解每个硬件的容量和功率,能了解每个CPU上的核心处理能力,便于异构计算架构的资源计算,当前CPU核心在当前频率下的处理能力,容量被标准化在0-1024的范围内,整个系统内最强核心在最高频率下工作的容量是1024,相配合的低功率CPU容量的单位与PELT机制追踪的负载单位是统一的,即一个容量为1024的核心在一个单位时间内可以处理一个负载1024的任务,通过CPU核心容量和PELT的负载信息,ESA可以最大限度的在不影响性能的情况下进行降低能耗的调度;
当前CPU核心在当前频率下的功率,通过能耗感知组件感知的功率以及感知任务所需完成的时间,可以计算出CPU核心完成任务所需的能耗,CPU核心的频率是可以改变的,能耗模型能操控CPU频率和电压的,能使相同性能域的CPU核心在同一时间处于相同的频率;
能耗优化组件包含有低功耗处理器、功耗监控和协同调度,低功率处理器包含N种类处理器、N数据处理器、功耗控制处理器和通信互联处理器,N数据处理器为不同N种类处理器的多个设置,及一种数据处理器有多个同一类型的数量,N种类处理器包含有多核心CPU、GPU和FPGA,多核心CPU通常会将工作量较大的任务切分为多个子任务,并将每个子任务交给不同的CPU核心处理,这些子任务之间可能有依赖关系,另外某些子任务倾向于同时执行关联任务,在需要通信的通信互联处理器的线程也可能出现无端消耗CPU的情况,将功耗控制处理器与通信互联处理器及N种类处理器和N数据处理器进行串联配合,故通过功耗控制处理器不仅能控制通信互联处理器上部分能耗的消耗;
功耗控制处理器用于N种类处理器的功耗平衡,功耗控制处理器实现的功耗调整需要在适当的时机更改CPU的时间控制速度,可以通过调整CPU的运行频率来改变系统功耗和系统执行任务所需要的时间,降低CPU的运行频率时会降低CPU的功耗;
通信互联处理器用于N种类处理器之间的网络通信及数据传输,用于资源的平衡共享,能通过通信互联处理器实现N种类处理器、N数据处理器及功耗控制处理器之间的联系,能实现异构计算架构上能源平衡控制的便捷性与稳定性;
多核心CPU、GPU和FPGA上分别设置有能耗传感器,能耗传感器用于处理器的能耗感知,能耗传感器由敏感元件、转换元件、转换电路和辅助电源四部分组成,敏感元件用于直接感受被测量处理器数据,并输出与被测量处理器有确定关系的物理量信号,转换元件将敏感元件输出的物理量信号转换为电信号,转换电路用于对转换元件输出的电信号进行放大调制,转换元件和转换电路通过辅助电源供电;
多个敏感元件分别与多核心CPU、GPU、FPGA相贴合设置,敏感元件、转换元件、转换电路和辅助电源相邻设置,CPU包含为多个性能域,同一个性能域内的核心具有相同的容量和功率的对应关系,多个性能域上共用同一套能耗模型,CPU是计算机中负责读取指令,对指令译码并执行指令的核心部件,中央处理器主要包括两个部分,即控制器和运算器,其中还包括高速缓冲存储器及实现它们之间联系的数据、控制的总线,电子计算机三大核心部件就是CPU、内部存储器、输入或输出设备,中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据,能实现异构计算构架运行过程中的完整性;
GPU用于对系统输入的视频信息进行构建和渲染,GPU中含有显示缓冲存储器和RAMD/A转换器,显示缓冲存储器用来存储将要显示的图形信息以及保存图形运算的中间数据,显示缓存的大小和速度直接影响着主芯片性能的发挥,RAMD/A转换器把二进制的数字转换成为和显示器相适应的模拟信号,GPU不单单存储了图形,而且能完成大部分图形功能,大大减轻了CPU的负担,提高了显示能力和显示速度,GPU用于减少对CPU的依赖,GPU与CPU配合调整工作;
FPGA用于解决原有的器件门电路数较少的问题,FPGA用于事先编辑的逻辑结构文件调整内部结构,用于来调整不同逻辑单元的连接和位置,FPGA用于处理数据线路径,FPGA的逻辑是通过向内部静态存储单元加载编程数据来实现的,存储在存储器单元中的值决定了逻辑单元的逻辑功能以及各模块之间或模块与I/O间的联接方式,并最终决定了FPGA所能实现的功能,FPGA允许无限次的编程,FPGA具有布线资源丰富,可重复编程和集成度高,FPGA芯片自身具有的灵活性和适应性方便用户的开发和应用,在处理视频信号时,FPGA芯片可以充分利用自身的速度和结构优势,实现乒乓技术和流水线技术,在对外连接的过程中,芯片采用数据并行连接的方式,使图像信息的位宽拓宽,利用内部的逻辑功能提高图像处理的速度,能进一步的实现资源的优化与平衡;
功耗监控用于低功耗处理器的耗能监控,功耗监控即为功耗监控器,用于测量和报告当前处理器的功耗信息,并通过总线与硬件上的电路板器件进行通信,功耗监控能对多个多核心CPU、GPU和FPGA上的功耗控制及监视,能提高多核心CPU、GPU和FPGA使用过程中的稳定性;
协同调度用于多个低功耗处理器的平衡调度,协同调度适用于有关联任务和依赖关系的场景中,协同调度适用于性能提升上的并行计算场景,即将任务切分成多个子任务并行执行,协同调度用于多组任务的并行执行,实现多核心CPU、GPU和FPGA的同时进行,避免调度器同时调度有依赖关系的任务,同时避免关联任务效率降低的情况,在并行计算中,整体同步并行计算模型于协同调度十分契合;
协同调度包含有并发计算、通信和同步,并发计算即每个核心独立计算自己的子任务,通信则为CPU核心之间通信交换能耗数据,而同步则是一个核心执行到某个节点需等待另一个核心执行的任务到达这个点,才能执行后续任务;
性能提升包含计算速度提升和及计算效率,计算速度提升由多核心CPU完成设置,计算效率由并行计算方法设置,并行计算方法为多核心CPU、GPU和FPGA在时间和空间上独立并发的执行计算;
软件,软件是一系列按照特定顺序组织的计算机数据和指令的集合,软件包含计算算法、资源调度和任务分配,计算算法、资源调度和任务分配之间互相配合,计算算法和硬件上的并行计算方法相同,资源调度可为群组调度,将关联任务设为一组,并以组为单位调度任务组在多个核心上执行,使得他们开始时间和结束时间接近相同,是通过将任务以组为单位在多核处理器上进行调度,群组策略可以提升特定应用场景的任务执行性能,然而,在场景不匹配的情况下,它会要求无关联的任务必须同时进入或退出CPU核心,无关联任务之间的相互等待可能造成CPU资源的浪费,能进行合理的资源分配。
本发明工作原理:
使用时,通过能耗感知组件,便于对硬件上的能耗进行感知,便于低功率处理器能进行资源平衡处理,且能进行功耗监控及功耗控制处理,使其能稳定调整计算资源,便于降低计算机使用过程中的卡顿现象,提高异构计算架构对能耗平衡的性能,通过通信互联处理器的设置,便于N种类处理器之间的网络通信及数据传输,用于资源的平衡共享,提高计算资源平衡的稳定性,通过能耗传感器的设置,用于多核心CPU、GPU和FPGA的能耗感知,提高异构计算架构实用过程中的稳定性。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,包括:
硬件,所述硬件用于输入并存储程序和数据;所述硬件包含性能提升组件和能耗优化组件,所述性能提升组件和能耗优化组件互相配合使用,所述硬件上设置有能耗感知组件;
软件,所述软件是一系列按照特定顺序组织的计算机数据和指令的集合,所述软件包含计算算法、资源调度和任务分配,所述计算算法、资源调度和任务分配之间互相配合。
2.根据权利要求1所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述性能提升和能耗优化并列设置,所述能耗优化组件包含有低功耗处理器、功耗监控和协同调度,所述功耗监控用于低功耗处理器的耗能监控,所述功耗监控即为功耗监控器,用于测量和报告当前处理器的功耗信息,并通过总线与硬件上的电路板器件进行通信,所述协同调度用于多个低功耗处理器的平衡调度。
3.根据权利要求2所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述低功率处理器包含N种类处理器、N数据处理器、功耗控制处理器和通信互联处理器,所述N数据处理器为不同N种类处理器的多个设置,所述功耗控制处理器用于N种类处理器的功耗平衡,所述通信互联处理器用于N种类处理器之间的网络通信及数据传输,用于资源的平衡共享。
4.根据权利要求2所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述N种类处理器包含有多核心CPU、GPU和FPGA,所述多核心CPU、GPU和FPGA上分别设置有能耗传感器,能耗传感器用于处理器的能耗感知。
5.根据权利要求4所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述能耗传感器由敏感元件、转换元件、转换电路和辅助电源四部分组成,所述敏感元件用于直接感受被测量处理器数据,并输出与被测量处理器有确定关系的物理量信号,所述转换元件将敏感元件输出的物理量信号转换为电信号,所述转换电路用于对转换元件输出的电信号进行放大调制,所述转换元件和转换电路通过辅助电源供电。
6.根据权利要求5所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,多个所述敏感元件分别与多核心CPU、GPU、FPGA相贴合设置,所述敏感元件、转换元件、转换电路和辅助电源相邻设置。
7.根据权利要求4所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述性能提升包含计算速度提升和及计算效率,所述计算速度提升由多核心CPU完成设置,所述计算效率由并行计算方法设置,所述并行计算方法为多核心CPU、GPU和FPGA在时间和空间上独立并发的执行计算。
8.根据权利要求7所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述CPU包含为多个性能域,同一个所述性能域内的核心具有相同的容量和功率的对应关系,多个所述性能域上共用同一套能耗模型。
9.根据权利要求7所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述GPU用于对系统输入的视频信息进行构建和渲染,所述GPU用于减少对CPU的依赖,所述GPU与CPU配合调整工作。
10.根据权利要求7所述的一种通过能耗感知调整计算资源平衡能耗的异构计算架构,其特征在于,所述FPGA用于解决原有的器件门电路数较少的问题,所述FPGA用于事先编辑的逻辑结构文件调整内部结构,用于来调整不同逻辑单元的连接和位置,所述FPGA用于处理数据线路径。
CN202310751631.6A 2023-06-25 2023-06-25 一种通过能耗感知调整计算资源平衡能耗的异构计算架构 Pending CN117032945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310751631.6A CN117032945A (zh) 2023-06-25 2023-06-25 一种通过能耗感知调整计算资源平衡能耗的异构计算架构

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310751631.6A CN117032945A (zh) 2023-06-25 2023-06-25 一种通过能耗感知调整计算资源平衡能耗的异构计算架构

Publications (1)

Publication Number Publication Date
CN117032945A true CN117032945A (zh) 2023-11-10

Family

ID=88632444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310751631.6A Pending CN117032945A (zh) 2023-06-25 2023-06-25 一种通过能耗感知调整计算资源平衡能耗的异构计算架构

Country Status (1)

Country Link
CN (1) CN117032945A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453424A (zh) * 2023-12-26 2024-01-26 北京航空航天大学杭州创新研究院 可动态扩展计算资源的加速算法运行效率的方法及装置
CN117806831A (zh) * 2024-02-23 2024-04-02 荣耀终端有限公司 参数配置方法及相关设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117453424A (zh) * 2023-12-26 2024-01-26 北京航空航天大学杭州创新研究院 可动态扩展计算资源的加速算法运行效率的方法及装置
CN117453424B (zh) * 2023-12-26 2024-04-19 北京航空航天大学杭州创新研究院 可动态扩展计算资源的加速算法运行效率的方法及装置
CN117806831A (zh) * 2024-02-23 2024-04-02 荣耀终端有限公司 参数配置方法及相关设备

Similar Documents

Publication Publication Date Title
US11442785B2 (en) Computation method and product thereof
CN117032945A (zh) 一种通过能耗感知调整计算资源平衡能耗的异构计算架构
CN103714039B (zh) 通用计算数字信号处理器
CN112199173B (zh) 双核cpu实时操作系统数据处理方法
US20140137123A1 (en) Microcomputer for low power efficient baseband processing
CN112817730B (zh) 深度神经网络服务批处理调度方法、系统及gpu
CN112631986B (zh) 大规模dsp并行计算装置
CN114035916A (zh) 计算图的编译、调度方法及相关产品
CN114239806A (zh) 一种risc-v架构的多核神经网络处理器芯片
CN111008042B (zh) 基于异构流水线的高效通用处理器执行方法及系统
CN115775199B (zh) 数据处理方法和装置、电子设备和计算机可读存储介质
CN112180788B (zh) 动态关联脉络的控制平台架构设计方法、存储介质及设备
CN112559032B (zh) 基于循环段的众核程序重构方法
Watkins et al. Shared reconfigurable architectures for CMPS
US11157329B2 (en) Technology for managing per-core performance states
CN116185942A (zh) 数据处理方法、装置、存储介质以及电子设备
CN110262884B (zh) 一种基于申威众核处理器的核组内多程序多数据流分区并行的运行方法
CN113469328B (zh) 执行转数穿过的装置、板卡、方法及可读存储介质
CN113469327B (zh) 执行转数提前的集成电路装置
CN117632520B (zh) 基于申威众核处理器的主从核监测交互的计算量调度方法
US20220188264A1 (en) Energy efficient microprocessor with index selected hardware architecture
CN114358269B (zh) 神经网络处理组件及多神经网络处理方法
US11714649B2 (en) RISC-V-based 3D interconnected multi-core processor architecture and working method thereof
Li et al. A sharing path awareness scheduling algorithm for dataflow architecture
KR20240041159A (ko) Cpu-gpu 협업 시스템 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication