CN118132001A - 数据处理方法、数据处理系统、芯片、设备和介质 - Google Patents
数据处理方法、数据处理系统、芯片、设备和介质 Download PDFInfo
- Publication number
- CN118132001A CN118132001A CN202410324594.5A CN202410324594A CN118132001A CN 118132001 A CN118132001 A CN 118132001A CN 202410324594 A CN202410324594 A CN 202410324594A CN 118132001 A CN118132001 A CN 118132001A
- Authority
- CN
- China
- Prior art keywords
- data processing
- processor
- data
- determining
- task
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 234
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000004891 communication Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Advance Control (AREA)
Abstract
本公开提供了一种数据处理方法、数据处理系统、芯片、设备和介质,涉及计算机技术领域,尤其涉及数据处理和芯片技术领域。实现方案为:数据处理系统包括第一处理器和存储系统,存储系统包括第二处理器和存储单元,由第二处理器执行的方法包括:确定待执行的第一数据处理任务的第一任务参数,第一任务参数包括第一待处理数据在存储单元中的第一存储地址;响应于监测到第一处理器未在执行针对第一存储地址的读写操作,从第一存储地址读取第一待处理数据;以及执行针对第一待处理数据的第一数据处理。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及数据处理和芯片技术领域,具体涉及一种数据处理方法、数据处理系统、芯片、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
随着人工智能技术的发展,越来越多的应用基于人工智能技术取得了远超过传统算法的效果。深度学习是计算密集型算法,特别是涉及大量浮点运算和矩阵乘法,复杂数学计算需要使用大量的硬件资源。同时,深度学习还是数据密集型算法,涉及大量输入数据,并且在计算过程中需要将大量的中间结果写回存储器。传统的处理器通常由主处理器执行复杂的计算任务,由片上网络承担数据搬运任务,复杂的计算任务会对主处理器造成压力,大量的数据搬运也对片上网络的搬运带宽有很大的要求,这会导致整体功耗大幅增加,并且计算操作和访存操作之间的内存墙瓶颈也极大的限制了数据处理效率。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种数据处理方法、数据处理系统、芯片、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种应用于数据处理系统的数据处理方法,所述数据处理系统包括第一处理器和存储系统,所述存储系统包括第二处理器和存储单元,所述方法由所述第二处理器执行,所述方法包括:确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及执行针对所述第一待处理数据的第一数据处理。
根据本公开的一方面,提供了一种数据处理系统,包括:第一处理器;以及存储系统,其中,所述存储系统包括第二处理器和存储单元,所述第二处理器包括:第一确定单元,被配置为确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;读取单元,被配置为响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及处理单元,被配置为执行针对所述第一待处理数据的第一数据处理。
根据本公开的一方面,提供了一种芯片,包括如上所述的数据处理系统。
根据本公开的一方面,提供了一种电子设备,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执行上述数据处理方法。
根据本公开的一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述数据处理方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时能够实现上述数据处理方法。
根据本公开的一个或多个实施例,可以提升数据处理系统中访存资源的利用率,提升数据处理效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的数据处理方法的流程图;
图3示出了根据本公开示例性实施例的数据处理方法的流程图;
图4示出了根据本公开示例性实施例的第二处理器的结构示意图;
图5示出了根据本公开示例性实施例的数据处理系统的结构框图;
图6示出了根据本公开示例性实施例的数据处理系统的结构示意图;
图7示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,通常是采用处理器和存储器分离的设计,处理器和存储器间基于片上网络实现互联,当需要进行计算时,即发起处理器数据搬运任务,将存储器中的待处理数据加载到处理器的缓存或寄存器中,待计算完成后再将中间结果写回存储器中,以供其他处理器或其他计算过程使用。这种情况下大量的数据搬运也对片上网络的搬运带宽有很大的要求,这会导致整体功耗大幅增加,访存效率的瓶颈极大限制了数据处理效率。
基于此,本公开提供了一种应用于数据处理系统的数据处理方法,在数据处理系统的存储系统中设置近存的协处理器,令协处理器自行监控内存是否空闲,利用空闲段进行访存处理,在不影响主处理器进行访存计算的情况下充分利用访存资源,减轻主处理器的处理压力,进而提升系统整体的数据处理效率。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行数据处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来发送待执行的数据处理任务或待处理数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类别的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类别和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类别的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类别。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类别的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开示例性实施例的数据处理方法200的流程图。方法200应用于数据处理系统,所述数据处理系统包括第一处理器和存储系统,所述存储系统包括第二处理器和存储单元,如图2所示,由所述第二处理器执行的方法200包括:
步骤S201、确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;
步骤S202、响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及
步骤S203、执行针对所述第一待处理数据的第一数据处理。
在这一实施例中,已包括了第一处理器的数据处理系统的存储系统中还设置有近存的第二处理器,通过令第二处理器应用如上所述的方法200,能够实现第二处理器的访存监控功能,即令第二处理器自行监控内存是否空闲,进而利用空闲段进行访存处理,能够在不影响第一处理器进行访存计算的情况下充分利用访存资源,实现高效的近存协处理的同时还能减轻主处理器的处理压力,进而提升系统整体的处理效率。
在一些示例中,第一处理器和第二处理器可以是CPU(Central Processing Unit,中央处理器)、GPU(Graph Processing Unit,图形处理器)等各种类型的计算核心。
在一些示例中,上述的数据处理系统和数据处理方法200可以应用在分布式系统中,以基于更大规模的硬件算力实现高效地大规模计算。在这种情况下,数据处理系统中的第一处理器、第二处理器和存储单元均可以设置一个或多个。在一些示例中,第一处理器和第二处理器之间可以基于第一层级的片上网络实现互联,第二处理器和存储单元之间可以基于第二层级的片上网络实现互联,从而能够基于第一处理器-第二处理器-存储单元的访存通路实现灵活的数据处理,利用第二处理器的处理资源实现高效的近存计算。
在一些示例中,第一数据处理任务的第一任务参数还包括数据处理类型,例如数据精度转换、数据搬运或是各种类型的数据计算(例如求均值、归约计算等)。在一些示例中,第一任务参数还可以包括待处理数据的数据长度、数据处理参数等。例如,当数据处理类型为数据搬运时,数据处理参数可以包括数据搬运的目标地址,当数据处理类型为数据计算时,数据处理参数可以是相应的计算参数,例如卷积的权重参数等。
在一些示例中,数据处理请求的内容指示了待第二处理器执行的指令信息。可以理解地,第二处理器可以被配置为执行包括原子指令在内的各种类型的指令,以提升通用性。
在一些示例中,步骤S201中第一数据处理任务的第一任务参数可以是由其他节点发送给第二处理器的,例如可以是由第一处理器下发的,第二处理器仅需接收数据处理请求并解析任务参数即可。
根据一些实施例,所述第二处理器包括第一寄存器组,方法200还包括:基于所述第一寄存器组的值,从多个预设工作模式中确定所述第二处理器的当前工作模式,其中,所述多个预设工作模式包括第一工作模式,并且步骤S202包括:响应于确定所述当前工作模式为所述第一工作模式,并且响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据。由此,能够利用寄存器组来配置处理器硬件的工作模式,简化控制逻辑,进而可以通过灵活设置协处理器的工作模式来提升调度灵活性。
可以理解地,寄存器组的宽度可以是基于多个预设工作模式的数量来设置的。例如,当寄存器组宽度为N时,即可配置至多2N个预设工作模式,以实现寄存器组的值与预设工作模式的一一对应。
根据一些实施例,所述第二处理器还包括第二寄存器组,步骤S201中确定待执行的第一数据处理任务的第一任务参数包括:响应于确定所述当前工作模式为所述第一工作模式,基于所述第二寄存器组的值确定所述第一数据处理任务的第一任务参数。由此,能够利用寄存器组实现任务参数传递,当协处理器处于自行监控存储器空闲并自行访存的第一工作模式时,可以同时通过获取第二寄存器组的值来自行确定任务参数,完全不需要其他节点主动向第二处理器传递动态指令,进而节省了数据搬运资源。
根据一些实施例,所述多个预设工作模式还包括第二工作模式,方法200还包括:响应于确定所述当前工作模式为所述第二工作模式,并且响应于接收到所述第一处理器发送的第一数据处理请求,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,其中,所述第二任务参数包括第二待处理数据在所述存储单元中的第二存储地址;从所述第二存储地址读取所述第二待处理数据;执行针对所述第二待处理数据的第二数据处理;以及将所述第二数据处理的处理结果发送至所述第一处理器。通过为第二处理器配置第二工作模式,可以令第二处理器被动接收数据处理请求而执行数据处理任务,实现更灵活的第一处理器与第二处理器的协同。
在一些示例中,第一处理器可以向第二处理器发送携带有任务信息的数据包,以使得第二处理器能够通过解析数据包来确定待执行的数据处理任务的任务参数,通过第一处理器-第二处理器-存储单元的数据流来实现协同处理。
根据一些实施例,所述第一数据处理请求包括通路选择信号,所述基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数包括:响应于确定所述通路选择信号指示需要所述第二处理器执行数据处理,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,方法200还包括:响应于确定所述通路选择信号指示不需要所述第二处理器执行数据处理,将所述第一数据处理请求发送至所述存储单元。由此,能够利用通路信号指示数据处理请求是否需要访问第二处理器中的处理资源,当不需要第二处理器处理时可以直接旁路至存储单元,能够更灵活地调度处理资源。
根据一些实施例,所述第一数据处理请求包括多个位段,所述基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数包括:基于所述多个位段中的至少一个预设位段,从所述第一数据处理请求中解析所述第二任务参数。在基于特定数据结构传输数据处理请求的情况下,通过应用上述手段即可以利用特定位段来更高效、准确地传递任务参数,以提升数据处理效率。
在一些示例中,可以是基于AXI总线实现硬件组件(例如处理器、存储单元、分布式系统的主控节点)间的数据传输接口。在这种情况下,可以在数据包的开头位置标记数据处理任务的相关信息,并且将命令控制信号传输到AXI总线中的指定字段,并且在特定字段标记命令信息(例如可以用于指示数据处理类型)、数据长度、数据传输的地址信息等。可以理解地,也可以是利用其他类型的硬件间数据传输接口实现数据处理请求的传递,本公开对此不作限定。
根据一些实施例,所述数据处理系统还包括主控节点,所述多个预设工作模式还包括第三工作模式,方法200还包括:响应于确定所述当前工作模式为所述第三工作模式,并且响应于接收到所述主控节点发送的第二数据处理请求,基于所述第二数据处理请求确定待执行的第三数据处理任务的第三任务参数,所述第三任务参数包括第三待处理数据在所述存储单元中的第三存储地址;响应于确定存在待所述第一处理器执行的针对所述第三存储地址的读写操作,基于轮询规则确定是否从所述第三存储地址读取所述第三待处理数据;以及响应于确定所述第三待处理数据读取完毕,执行针对所述第三待处理数据的第三数据处理。当上述的数据处理系统应用于分布式并行计算系统中,即当第一处理器是作为分布式处理的从属节点时,通过为第二处理器配置第三工作模式,即可令分布式处理的主控节点将第二处理器视为与第一处理器层级相同的从属节点进行调度,即相当于令二者共享存储单元中的数据,基于轮询规则来获取访存权限,以更灵活地使用协处理器的硬件资源。
在这一示例中,从属节点在完成数据处理后可以基于自身内存资源的大小决定是否将数据处理的结果写回存储单元。
在一些示例中,当第二处理器完成数据处理后,可以向主处理器发送数据处理结果。在一些示例中,处理核心所获取的数据处理结果可以是指示第一数据处理指令已经执行完毕的信息,从而使得处理核心能够基于此来继续执行数据处理流水线中后续的数据处理任务。
根据一些实施例,所述数据处理系统还包括能够被所述第一处理器直接读写的第一缓存,所述方法还包括:将所述第一数据处理的处理结果写入所述第一缓存。由此,能够利用第二处理器将处理结果直接预取到第一处理器的缓存,优化数据传输流水,便于第一处理器直接读写以实现继续处理。
在一些示例中,向第二处理器传输的数据处理请求中可以同时携带指示是否将数据取至缓存的信息,以实现更精准的调度。
图3示出了根据本公开示例性实施例的数据处理方法300的流程图。在这一实施例中,方法300应用于数据处理系统,所述数据处理系统包括第一处理器和存储系统,所述存储系统包括第二处理器和存储单元,第二处理器包括第一寄存器组和第二寄存器组。如图3所示,由第二处理器执行的方法300包括:
步骤S301、基于第一寄存器组的值,从多个预设工作模式中确定所述第二处理器的当前工作模式;
步骤S302、响应于确定所述当前工作模式为所述第一工作模式,基于第二寄存器组的值确定所述第一数据处理任务的第一任务参数;
步骤S303、响应于确定所述当前工作模式为所述第一工作模式,并且响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及
步骤S304、执行针对所述第一待处理数据的第一数据处理。
通过应用上述方法300,即能够为近存的第二处理器灵活配置多种工作模式,进而利用第二处理器的处理资源提升数据处理的效率,提升调度便捷性。
图4示出了根据本公开示例性实施例的第二处理器400的结构示意图。如图4所示,第二处理器400包括命令管理器410和多个计算单元。命令管理器410用于执行指令的接收、解析、分发、状态监控等过程,例如可以通过将指令代码、指令数据地址、指令数据长度等信息写入指令缓存来实现指令调度,以保证第二处理器能够根据需求有序处理多个数据处理任务。第二处理器400中可以配置一个或多个不同类型的计算单元。例如,计算单元421可以是算术计算单元,计算单元422可以是激活计算单元,计算单元423可以是集合通信计算单元,计算单元424可以是卷积计算单元,从而能够提升第二处理器的计算性能,进而提升系统整体的数据处理效率。
在一些示例中,第一处理器和第二处理器中可以分别配置不同类型的计算单元。例如可以根据计算任务的实际需求,在第一处理器中配置使用频率和使用优先级较高的算子对应的计算单元,在第二处理器中配置使用频率和使用优先级较低的算子对应的计算单元。在这种情况下,即可基于第一处理器-第二处理器-存储单元的访存通路实现第一处理器和第二处理器的高效协同,基于序列化处理方式实现更高效的数据计算。
根据本公开的一方面,还提供一种数据处理系统。图5示出了根据本公开示例性实施例的数据处理系统500的结构框图。如图5所示,数据处理系统500包括:
第一处理器510;以及
存储系统520,
其中,存储系统520包括第二处理器530和存储单元540,第二处理器530包括:
第一确定单元531,被配置为确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;
读取单元532,被配置为响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及
处理单元533,被配置为执行针对所述第一待处理数据的第一数据处理。
根据一些实施例,第二处理器530包括第一寄存器组,第二处理器530还包括:第二确定单元,被配置为基于所述第一寄存器组的值,从多个预设工作模式中确定所述第二处理器的当前工作模式,其中,所述多个预设工作模式包括第一工作模式,其中,读取单元532被配置为:响应于确定所述当前工作模式为所述第一工作模式,并且响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据。
根据一些实施例,第二处理器530还包括第二寄存器组,第一确定单元531被配置为:响应于确定所述当前工作模式为所述第一工作模式,基于所述第二寄存器组的值确定所述第一数据处理任务的第一任务参数。
根据一些实施例,所述多个预设工作模式还包括第二工作模式,第一确定单元531还被配置为:响应于确定所述当前工作模式为所述第二工作模式,并且响应于接收到所述第一处理器发送的第一数据处理请求,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,其中,所述第二任务参数包括第二待处理数据在所述存储单元中的第二存储地址,读取单元532还被配置为:从所述第二存储地址读取所述第二待处理数据,处理单元533还被配置为执行针对所述第二待处理数据的第二数据处理,第二处理器530还包括:第一发送单元,被配置为将所述第二数据处理的处理结果发送至所述第一处理器。
根据一些实施例,所述第一数据处理请求包括多个位段,第一确定单元531被配置为:基于所述多个位段中的至少一个预设位段,从所述第一数据处理请求中解析所述第二任务参数。
根据一些实施例,所述第一数据处理请求包括通路选择信号,第一确定单元531被配置为:响应于确定所述通路选择信号指示需要所述第二处理器执行数据处理,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,第二处理器530还包括:第二发送单元,被配置为响应于确定所述通路选择信号指示不需要所述第二处理器执行数据处理,将所述第一数据处理请求发送至所述存储单元。
根据一些实施例,所述数据处理系统还包括主控节点,所述多个预设工作模式还包括第三工作模式,第一确定单元531还被配置为:响应于确定所述当前工作模式为所述第三工作模式,并且响应于接收到所述主控节点发送的第二数据处理请求,基于所述第二数据处理请求确定待执行的第三数据处理任务的第三任务参数,所述第三任务参数包括第三待处理数据在所述存储单元中的第三存储地址,读取单元532还被配置为响应于确定存在待所述第一处理器执行的针对所述第三存储地址的读写操作,基于轮询规则确定是否从所述第三存储地址读取所述第三待处理数据,处理单元533还被配置为响应于确定所述第三待处理数据读取完毕,执行针对所述第三待处理数据的第三数据处理。
根据一些实施例,数据处理系统500包括能够被所述第一处理器直接读写的第一缓存,第二处理器530还包括:写入单元,被配置为将所述第一数据处理的处理结果写入所述第一缓存。
图6示出了根据本公开示例性实施例的数据处理系统600的结构示意图。如图6所示,数据处理系统600中利用第一层级的片上网络630实现了主控节点610、第一处理器621、第一处理器622、第二处理器641和第二处理器642之间的互联,利用第二层级的片上网络651和片上网络652实现了第二处理器641与存储单元661之间的互联和第二处理器642与存储单元662之间的互联。通过在访存通路中设置第二处理器,即可构建第一处理器-第二处理器-存储单元的访存通路,基于此实现灵活的数据处理,利用第二处理器的处理资源实现高效的近存计算。
根据本公开的一方面,还提供一种芯片,包括如上所述的数据处理系统500。
根据本公开的一方面,还提供一种电子设备,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执行上述的数据处理方法。
根据本公开的一方面,还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的数据处理方法。
根据本公开的一方面,还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序再被处理器执行时实现上述的数据处理方法。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类别的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类别的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如数据处理方法。例如,在一些实施例中,数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种应用于数据处理系统的数据处理方法,所述数据处理系统包括第一处理器和存储系统,所述存储系统包括第二处理器和存储单元,所述方法由所述第二处理器执行,所述方法包括:
确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;
响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及
执行针对所述第一待处理数据的第一数据处理。
2.如权利要求1所述的方法,其中,所述第二处理器包括第一寄存器组,所述方法还包括:
基于所述第一寄存器组的值,从多个预设工作模式中确定所述第二处理器的当前工作模式,其中,所述多个预设工作模式包括第一工作模式,
其中,所述响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据包括:
响应于确定所述当前工作模式为所述第一工作模式,并且响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据。
3.如权利要求2所述的方法,其中,所述第二处理器还包括第二寄存器组,所述确定待执行的第一数据处理任务的第一任务参数包括:
响应于确定所述当前工作模式为所述第一工作模式,基于所述第二寄存器组的值确定所述第一数据处理任务的第一任务参数。
4.如权利要求2或3所述的方法,其中,所述多个预设工作模式还包括第二工作模式,所述方法还包括:
响应于确定所述当前工作模式为所述第二工作模式,并且响应于接收到所述第一处理器发送的第一数据处理请求,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,其中,所述第二任务参数包括第二待处理数据在所述存储单元中的第二存储地址;
从所述第二存储地址读取所述第二待处理数据;
执行针对所述第二待处理数据的第二数据处理;以及
将所述第二数据处理的处理结果发送至所述第一处理器。
5.如权利要求4所述的方法,其中,所述第一数据处理请求包括多个位段,所述基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数包括:
基于所述多个位段中的至少一个预设位段,从所述第一数据处理请求中解析所述第二任务参数。
6.如权利要求4或5所述的方法,所述第一数据处理请求包括通路选择信号,所述基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数包括:
响应于确定所述通路选择信号指示需要所述第二处理器执行数据处理,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,
所述方法还包括:
响应于确定所述通路选择信号指示不需要所述第二处理器执行数据处理,将所述第一数据处理请求发送至所述存储单元。
7.如权利要求2-6中任一项所述的方法,其中,所述数据处理系统还包括主控节点,所述多个预设工作模式还包括第三工作模式,所述方法还包括:
响应于确定所述当前工作模式为所述第三工作模式,并且响应于接收到所述主控节点发送的第二数据处理请求,基于所述第二数据处理请求确定待执行的第三数据处理任务的第三任务参数,所述第三任务参数包括第三待处理数据在所述存储单元中的第三存储地址;
响应于确定存在待所述第一处理器执行的针对所述第三存储地址的读写操作,基于轮询规则确定是否从所述第三存储地址读取所述第三待处理数据;以及
响应于确定所述第三待处理数据读取完毕,执行针对所述第三待处理数据的第三数据处理。
8.如权利要求1-7中任一项所述的方法,其中,所述数据处理系统还包括能够被所述第一处理器直接读写的第一缓存,所述方法还包括:
将所述第一数据处理的处理结果写入所述第一缓存。
9.一种数据处理系统,包括:
第一处理器;以及
存储系统,
其中,所述存储系统包括第二处理器和存储单元,所述第二处理器包括:
第一确定单元,被配置为确定待执行的第一数据处理任务的第一任务参数,所述第一任务参数包括第一待处理数据在所述存储单元中的第一存储地址;
读取单元,被配置为响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据;以及
处理单元,被配置为执行针对所述第一待处理数据的第一数据处理。
10.如权利要求9所述的数据处理系统,其中,所述第二处理器包括第一寄存器组,所述第二处理器还包括:
第二确定单元,被配置为基于所述第一寄存器组的值,从多个预设工作模式中确定所述第二处理器的当前工作模式,其中,所述多个预设工作模式包括第一工作模式,
其中,所述读取单元被配置为:
响应于确定所述当前工作模式为所述第一工作模式,并且响应于监测到所述第一处理器未在执行针对所述第一存储地址的读写操作,从所述第一存储地址读取所述第一待处理数据。
11.如权利要求10所述的数据处理系统,其中,所述第二处理器还包括第二寄存器组,所述第一确定单元被配置为:
响应于确定所述当前工作模式为所述第一工作模式,基于所述第二寄存器组的值确定所述第一数据处理任务的第一任务参数。
12.如权利要求10或11所述的数据处理系统,其中,所述多个预设工作模式还包括第二工作模式,
所述第一确定单元还被配置为:响应于确定所述当前工作模式为所述第二工作模式,并且响应于接收到所述第一处理器发送的第一数据处理请求,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,其中,所述第二任务参数包括第二待处理数据在所述存储单元中的第二存储地址,
所述读取单元还被配置为:从所述第二存储地址读取所述第二待处理数据,
所述处理单元还被配置为执行针对所述第二待处理数据的第二数据处理,所述第二处理器还包括:
第一发送单元,被配置为将所述第二数据处理的处理结果发送至所述第一处理器。
13.如权利要求12所述的数据处理系统,其中,所述第一数据处理请求包括多个位段,所述第一确定单元被配置为:
基于所述多个位段中的至少一个预设位段,从所述第一数据处理请求中解析所述第二任务参数。
14.如权利要求12或13所述的数据处理系统,所述第一数据处理请求包括通路选择信号,所述第一确定单元被配置为:
响应于确定所述通路选择信号指示需要所述第二处理器执行数据处理,基于所述第一数据处理请求确定待执行的第二数据处理任务的第二任务参数,
所述第二处理器还包括:
第二发送单元,被配置为响应于确定所述通路选择信号指示不需要所述第二处理器执行数据处理,将所述第一数据处理请求发送至所述存储单元。
15.如权利要求10-14中任一项所述的数据处理系统,其中,所述数据处理系统还包括主控节点,所述多个预设工作模式还包括第三工作模式,
所述第一确定单元还被配置为:响应于确定所述当前工作模式为所述第三工作模式,并且响应于接收到所述主控节点发送的第二数据处理请求,基于所述第二数据处理请求确定待执行的第三数据处理任务的第三任务参数,所述第三任务参数包括第三待处理数据在所述存储单元中的第三存储地址,
所述读取单元还被配置为响应于确定存在待所述第一处理器执行的针对所述第三存储地址的读写操作,基于轮询规则确定是否从所述第三存储地址读取所述第三待处理数据,
所述处理单元还被配置为响应于确定所述第三待处理数据读取完毕,执行针对所述第三待处理数据的第三数据处理。
16.如权利要求9-15中任一项所述的数据处理系统,其中,所述数据处理系统还包括能够被所述第一处理器直接读写的第一缓存,所述第二处理器还包括:
写入单元,被配置为将所述第一数据处理的处理结果写入所述第一缓存。
17.一种芯片,包括如权利要求9-16中任一项所述的数据处理系统。
18.一种电子设备,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执行权利要求1-8中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410324594.5A CN118132001A (zh) | 2024-03-20 | 2024-03-20 | 数据处理方法、数据处理系统、芯片、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410324594.5A CN118132001A (zh) | 2024-03-20 | 2024-03-20 | 数据处理方法、数据处理系统、芯片、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118132001A true CN118132001A (zh) | 2024-06-04 |
Family
ID=91231342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410324594.5A Pending CN118132001A (zh) | 2024-03-20 | 2024-03-20 | 数据处理方法、数据处理系统、芯片、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118132001A (zh) |
-
2024
- 2024-03-20 CN CN202410324594.5A patent/CN118132001A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113986788B (zh) | 数据处理方法和装置、芯片、电子设备及介质 | |
EP3893112A2 (en) | Method and apparatus for scheduling deep learning reasoning engines, device, and medium | |
CN114091672B (zh) | 分布式模型推理方法及装置、电子设备和介质 | |
CN114936173B (zh) | 一种eMMC器件的读写方法、装置、设备和存储介质 | |
CN112925587A (zh) | 用于初始化应用的方法和装置 | |
CN116306396A (zh) | 芯片验证方法及装置、设备和介质 | |
CN114968567A (zh) | 用于分配计算节点的计算资源的方法、装置和介质 | |
CN116029346A (zh) | 用于深度学习模型推理的方法、装置、设备和介质 | |
CN116243983A (zh) | 处理器、集成电路芯片、指令处理方法、电子设备和介质 | |
CN113641929B (zh) | 页面渲染的方法、装置、电子设备和计算机可读存储介质 | |
CN115373853A (zh) | 共享内存清理方法及装置、电子设备和介质 | |
CN118132001A (zh) | 数据处理方法、数据处理系统、芯片、设备和介质 | |
CN114386577A (zh) | 用于执行深度学习模型的方法、设备和存储介质 | |
CN114095564A (zh) | 数据处理方法及装置、设备和介质 | |
CN114359017A (zh) | 多媒体资源的处理方法、装置及电子设备 | |
CN115334159B (zh) | 处理流式数据的方法、装置、设备和介质 | |
CN115098165B (zh) | 数据处理方法、装置、芯片、设备及介质 | |
CN117193647A (zh) | 数据处理任务的发送方法、数据处理方法及装置、设备 | |
CN118113349A (zh) | 数据处理方法及装置、数据处理系统、设备和介质 | |
CN115759260B (zh) | 深度学习模型的推理方法、装置、电子设备和存储介质 | |
CN115658284A (zh) | 资源调度方法、装置、电子设备及介质 | |
CN115454647A (zh) | 数据处理方法及装置、设备和介质 | |
CN118381825A (zh) | 应用于分布式系统的通信协调方法及装置、设备和介质 | |
CN118312304A (zh) | 数据依赖驱动的任务处理装置、方法和设备 | |
CN118363753A (zh) | 应用于分布式系统的数据处理方法及装置、设备和介质 |
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 |