JP2017033452A - 計算機、動作周波数決定プログラム及び動作周波数決定方法 - Google Patents
計算機、動作周波数決定プログラム及び動作周波数決定方法 Download PDFInfo
- Publication number
- JP2017033452A JP2017033452A JP2015155254A JP2015155254A JP2017033452A JP 2017033452 A JP2017033452 A JP 2017033452A JP 2015155254 A JP2015155254 A JP 2015155254A JP 2015155254 A JP2015155254 A JP 2015155254A JP 2017033452 A JP2017033452 A JP 2017033452A
- Authority
- JP
- Japan
- Prior art keywords
- program
- information
- feature information
- loop
- instruction
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
- Power Sources (AREA)
Abstract
【解決手段】第1プログラムの実行前において、第1プログラムに対応するプログラム特徴情報である第1プログラム特徴情報を取得し、情報記憶部に記憶されたプログラム特徴情報のうち、取得した第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、情報記憶部に記憶された最小動作周波数のうち、特定した第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する。
【選択図】図10
Description
図1は、情報処理システム10の全体構成を示す図である。図1に示す情報処理システム10(以下、対象システム10とも呼ぶ)は、管理ノード1(以下、計算機1または情報処理装置1とも呼ぶ)と、計算ノード群2と、作業端末11とを有している。なお、情報処理システム10は、例えば、HPCシステムである。
次に、DVFS機能を利用した省電力化の具体例について説明を行う。図2から図6は、DVFSによる省電力化の具体例を説明する図である。なお、図2から図4の内容は、例えば、非特許文献1の内容に関連する。また、図5及び図6の内容は、例えば、非特許文献2の内容に関連する。
次に、管理ノード1のハードウエア構成について説明する。図7は、管理ノード1のハードウエア構成を説明する図である。
次に、管理ノード1のソフトウエア構成について説明する。図8は、図7の管理ノード1の機能ブロック図である。CPU101は、プログラム110と協働することにより、特徴情報管理部111と、特徴情報取得部112(以下、単に情報取得部112とも呼ぶ)と、動作周波数推測部113として動作する。また、CPU101は、プログラム110と協働することにより、特徴情報作成部114(以下、他ループ特徴情報作成部114とも呼ぶ)と、開発者通知部115として動作する。
次に、第1の実施の形態の概略について説明する。図9及び図10は、第1の実施の形態における動作周波数決定処理の概略を説明するフローチャートである。また、図11から図14は、第1の実施の形態における動作周波数決定処理の概略を説明する図である。図11から図14を参照しながら、図9及び図10の動作周波数決定処理について説明を行う。
初めに、動作周波数決定処理のうち、プログラム特徴情報141を情報格納領域130に記憶する処理(以下、情報記憶処理とも呼ぶ)について説明を行う。
次に、動作周波数決定処理のうち、第1プログラムを実行する際に消費電力量を最小にする動作周波数を推測する処理(以下、動作周波数推測処理とも呼ぶ)について説明を行う。
ここで、各プログラム実行時の条件が第1周波数情報133aの推測結果に与える影響について説明を行う。
次に、第1の実施の形態の詳細について説明する。図15から図18は、第1の実施の形態における動作周波数決定処理の詳細を説明するフローチャートである。また、図19から図30は、第1の実施の形態における動作周波数決定処理の詳細を説明する図である。図19から図30を参照しながら、図15から図18の動作周波数決定処理を説明する。
初めに、情報記憶処理の詳細について説明を行う。図15は、第1の実施の形態における情報記憶処理の詳細を説明するフローチャートである。
図17は、S22の処理の詳細を説明するフローチャートである。特徴情報管理部111は、 テストプログラム内のループに含まれる各命令のアドレス、命令クラス及びオペランドに対応する値に基づき、テストプログラム毎の命令情報134を作成する(S41)。すなわち、特徴情報管理部111は、最内ループ特徴情報131及び他ループ特徴情報132を作成する前に、最内ループ特徴情報131及び他ループ特徴情報132を作成する際に参照する必要がある情報を含む命令情報134を作成する。なお、特徴情報管理部111は、例えば、テストプログラムのオブジェクトプログラムに対して逆アセンブルを行うことにより、命令情報134を作成するために必要な情報(テストプログラムに含まれる各命令のアドレス、命令クラス及びオペランドに対応する情報)を取得する。以下、S41の処理において作成された命令情報134の具体例について説明を行う。
図19から図22は、命令情報134の具体例を説明する図である。なお、図19から図22は、S41の処理においてテストプログラム毎に作成された命令情報134のうち、ある1つのテストプログラムに関する命令情報134を説明する図である。
図19に示す命令情報134において、特徴情報管理部111は、「項番」が「1」である情報から順に参照する(S42、S46のNO)。そして、「項番」が「1」から「10」である情報の「命令クラス」が「000」ではないため(S43のNO)、特徴情報管理部111は、S44及びS45の処理を行わない。
図23は、最内ループ特徴情報131の具体例を説明する図である。図23に示す最内ループ特徴情報131は、図22に示す命令情報134に基づいて作成された情報である。すなわち、図23に示す最内ループ特徴情報131は、図22に示す命令情報134のループに含まれる命令に関する情報(「ループ深さ」が「1」から「3」である情報)のうち、「ループ深さ」が「3」である情報(最内ループに関する情報)に基づく情報である。
図24は、他ループ特徴情報132の具体例を説明する図である。図24に示す他ループ特徴情報132は、図22に示す命令情報134に基づいて作成された情報である。すなわち、図24に示す他ループ特徴情報132は、図22に示す命令情報134のループに含まれる命令に関する情報(「ループ深さ」が「1」から「3」である情報)のうち、「ループ深さ」が「1」及び「2」である情報に基づく情報である。
図25は、周波数情報133の具体例を説明する図である。図25に示す周波数情報133において、周波数情報133に含まれる各情報を識別する「項番」と、テストプログラムを実行した際の消費電力量が最小であった動作周波数を格納する「動作周波数」とを項目として有する。具体的に、図25に示す周波数情報133において、「項番」が「1」である情報には、「動作周波数情報」として「1.4(GHz)」が設定されている。
図26は、対応情報142の具体例を説明する図である。図26に示す対応情報142は、対応情報142に含まれる各情報を識別する「項番」と、各命令の種類を示す「命令クラス」と、最内ループ特徴情報131の「出現回数」に設定された値が設定される「最内ループ特徴情報」とを項目として有する。また、図26に示す対応情報142は、他ループ特徴情報132の「出現回数」に設定された値が設定される「他ループ特徴情報」と、周波数情報133に設定された値が設定される「動作周波数」とを項目として有する。なお、図26に示す対応情報142において、「項番」が「1」である情報は、図23で説明した最内ループ特徴情報131と、図24で説明した他ループ特徴情報132と、図25で説明した周波数情報133とに対応する情報である。
次に、動作周波数推測処理の詳細について説明を行う。図16は、第1の実施の形態における動作周波数推測処理の詳細を説明するフローチャートである。
図27は、第1命令情報134aの具体例を説明する図である。図27に示す第1命令情報134aは、図19で説明した命令情報134と同じ項目を有する。具体的に、図27に示す第1命令情報134aにおいて、「項番」が「1」である情報には、「アドレス」として「4006d2」が設定されており、「命令クラス」として「021(メモリアクセスを伴うCPUのコピー命令)」が設定されている。また、図27に示す第1命令情報134aにおいて、「項番」が「1」である情報の「オペランド」は、情報が設定されていない状態であり、「ループ深さ」には、初期値である「0」が設定されている。図27に含まれる他の情報については説明を省略する。
図28は、第1最内ループ特徴情報131aの具体例を説明する図である。図28に示す第1最内ループ特徴情報131aは、図27に示す第1命令情報134aに基づいて作成された情報である。すなわち、図28に示す第1最内ループ特徴情報131aは、図27に示す命令情報134aに含まれる情報のうち、「ループ深さ」が「2」である情報(最内ループに関する情報)に基づいて作成された情報である。
図29は、第1他ループ特徴情報132aの具体例を説明する図である。図29に示す第1他ループ特徴情報132aは、図27に示す第1命令情報134aに基づいて作成された情報である。すなわち、図29に示す第1他ループ特徴情報132aは、図27に示す第1命令情報134aに含まれる情報のうち、「ループ深さ」が「1」である情報に基づいて作成された情報である。
図30は、第1対応情報142aの具体例を説明する図である。図30に示す第1対応情報142aは、第1対応情報142aに含まれる各情報を識別する「項番」と、各命令の種類を示す「命令クラス」と、最内ループ特徴情報131の「出現回数」に設定された値が設定される「最内ループ特徴情報」とを項目として有する。また、図30に示す第1対応情報142aは、他ループ特徴情報132の「出現回数」に設定された値が設定される「他ループ特徴情報」を項目として有する。なお、図30に示す第1対応情報142aにおいて、「項番」が「1」である情報は、図28で説明した第1最内ループ特徴情報131aと、図29で説明した第1他ループ特徴情報132aとに対応する情報である。
次に、第2の実施の形態における情報記憶処理について説明を行う。図31は、第2の実施の形態における他ループ特徴情報132の具体例を説明する図である。
図18は、第2の実施の形態におけるS24の処理を説明するフローチャートである。特徴情報管理部111は、S22で作成した命令情報134に基づき、最内ループ以外の各ループに含まれる各命令の出現回数に、各ループの深さに応じた重み付け係数をそれぞれ乗算する(S51)。そして、特徴情報管理部111は、S51で算出した値を命令の種類毎にそれぞれ加算する(S52)。
次に、第3の実施の形態における情報記憶処理及び動作周波数推測処理について説明を行う。図32は、第3の実施の形態におけるニューラルネットワークの具体例を説明する図である。
複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶する情報記憶部と、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得する情報取得部と、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する動作周波数推測部と、を有する、
ことを特徴とする計算機。
付記1において、
前記動作周波数推測部は、前記情報記憶部に記憶された前記プログラム特徴情報のうち、各プログラム特徴情報に含まれる情報と、前記第1プログラム特徴情報に含まれる情報との一致率が最も高いプログラム特徴情報を、第2プログラム特徴情報として特定する、
ことを特徴とする計算機。
付記1において、
前記動作周波数推測部は、前記情報記憶部に記憶された前記プログラム特徴情報のうち、各プログラム特徴情報に含まれる情報と、前記第1プログラム特徴情報に含まれる情報との一致率が所定の閾値よりも大きい情報が存在しない場合、前記第2プログラム特徴情報に対応する動作周波数の推測を中止する、
ことを特徴とする計算機。
付記1において、
前記情報記憶部は、前記プログラム特徴情報を入力側教師データとし、前記最小周波数を出力側教師データとして、ニューラルネットワークに学習させることによって情報の記憶を行う、
ことを特徴とする計算機。
付記4において、
前記ニューラルネットワークは、前記最内ループ特徴情報に含まれる命令の種類及び前記他ループ特徴情報に含まれる命令の種類のそれぞれに対応する複数の入力ユニットと、前記複数の動作周波数のそれぞれに対応する複数の出力ユニットとを有し、
前記情報記憶部は、前記最内ループ特徴情報に含まれる命令の種類毎の数と、前記他ループ特徴情報に含まれる命令の種類毎の数とを前記複数の入力ユニットから入力し、前記複数の出力ユニットのうち、前記最小動作周波数に対応する出力ユニットに第1の情報を入力し、前記複数の出力ユニットのうち、前記最小動作周波数以外の動作周波数に対応する出力ユニットに第2の情報を入力する、
ことを特徴とする計算機。
付記1において、さらに、
サンプルプログラム内のループのうち、前記最内ループ以外のループに含まれる命令の種類毎の命令の数に、各ループの深さに応じた重み付け係数をそれぞれ乗算し、前記命令の種類毎に加算することにより、前記他ループ特徴情報を作成する他ループ特徴情報作成部と、を有する、
ことを特徴とする計算機。
付記1において、
前記命令の種類は、前記命令を実行した場合の消費電力量の差異によって区分けされる、
ことを特徴とする計算機。
付記7において、
前記消費電力量は、前記命令のそれぞれが実行される際に動作するプロセッサ内の部位の構造及び規模によって決定される、
ことを特徴とする計算機。
付記7において、
前記命令の種類は、レジスタアクセスを行う命令とメモリアクセスを行う命令とによって区分けされた同一の命令を含む、
ことを特徴とする計算機。
複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶し、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得し、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する、
ことを特徴とする動作周波数決定方法。
コンピュータに、
複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶し、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得し、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する、
処理を実行させることを特徴とする動作周波数決定プログラム。
2:計算ノード群 10:情報処理システム
11:開発者端末
Claims (7)
- 複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶する情報記憶部と、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得する情報取得部と、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する動作周波数推測部と、を有する、
ことを特徴とする計算機。 - 請求項1において、
前記動作周波数推測部は、前記情報記憶部に記憶された前記プログラム特徴情報のうち、各プログラム特徴情報に含まれる情報と、前記第1プログラム特徴情報に含まれる情報との一致率が最も高いプログラム特徴情報を、第2プログラム特徴情報として特定する、
ことを特徴とする計算機。 - 請求項1において、
前記情報記憶部は、前記プログラム特徴情報を入力側教師データとし、前記最小周波数を出力側教師データとして、ニューラルネットワークに学習させることによって情報の記憶を行う、
ことを特徴とする計算機。 - 請求項3において、
前記ニューラルネットワークは、前記最内ループ特徴情報に含まれる命令の種類及び前記他ループ特徴情報に含まれる命令の種類のそれぞれに対応する複数の入力ユニットと、前記複数の動作周波数のそれぞれに対応する複数の出力ユニットとを有し、
前記情報記憶部は、前記最内ループ特徴情報に含まれる命令の種類毎の数と、前記他ループ特徴情報に含まれる命令の種類毎の数とを前記複数の入力ユニットから入力し、前記複数の出力ユニットのうち、前記最小動作周波数に対応する出力ユニットに第1の情報を入力し、前記複数の出力ユニットのうち、前記最小動作周波数以外の動作周波数に対応する出力ユニットに第2の情報を入力する、
ことを特徴とする計算機。 - 請求項1において、さらに、
サンプルプログラム内のループのうち、前記最内ループ以外のループに含まれる命令の種類毎の命令の数に、各ループの深さに応じた重み付け係数をそれぞれ乗算し、前記命令の種類毎に加算することにより、前記他ループ特徴情報を作成する他ループ特徴情報作成部と、を有する、
ことを特徴とする計算機。 - 複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶し、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得し、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する、
ことを特徴とする動作周波数決定方法。 - コンピュータに、
複数のサンプルプログラムのそれぞれを複数の動作周波数において実行した結果に基づき、サンプルプログラム内のループに含まれる命令のうち、最内ループに含まれる命令の種類毎の数を含む最内ループ特徴情報と、サンプルプログラム内のループに含まれる命令のうち、前記最内ループ以外のループに含まれる命令の種類毎の数を含む他ループ特徴情報とを含むプログラム特徴情報と、前記複数の動作周波数のうち、サンプルプログラムを実行した際の消費電力量が最小であった動作周波数を示す最小動作周波数とを、前記複数のサンプルプログラム毎に対応付けて記憶し、
前記サンプルプログラム以外のプログラムである第1プログラムの実行前において、前記第1プログラムに対応する前記プログラム特徴情報である第1プログラム特徴情報を取得し、
前記情報記憶部に記憶された前記プログラム特徴情報のうち、取得した前記第1プログラム特徴情報に含まれる情報と最も近い情報を含む第2プログラム特徴情報を特定し、前記情報記憶部に記憶された前記最小動作周波数のうち、特定した前記第2プログラム特徴情報と対応する動作周波数を、第1プログラムを実行する際の消費電力量が最小である第1動作周波数として推測する、
処理を実行させることを特徴とする動作周波数決定プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015155254A JP6439623B2 (ja) | 2015-08-05 | 2015-08-05 | 計算機、動作周波数決定プログラム及び動作周波数決定方法 |
US15/204,266 US10025368B2 (en) | 2015-08-05 | 2016-07-07 | Computation apparatus and frequency determination method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015155254A JP6439623B2 (ja) | 2015-08-05 | 2015-08-05 | 計算機、動作周波数決定プログラム及び動作周波数決定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017033452A true JP2017033452A (ja) | 2017-02-09 |
JP6439623B2 JP6439623B2 (ja) | 2018-12-19 |
Family
ID=57988430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015155254A Active JP6439623B2 (ja) | 2015-08-05 | 2015-08-05 | 計算機、動作周波数決定プログラム及び動作周波数決定方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10025368B2 (ja) |
JP (1) | JP6439623B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018142112A (ja) * | 2017-02-27 | 2018-09-13 | 日本電気株式会社 | クロック装置、中央演算処理装置、計数装置、計数方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013025508A (ja) * | 2011-07-19 | 2013-02-04 | Fujitsu Ltd | 情報処理装置、制御プログラムおよび制御方法 |
JP2014167761A (ja) * | 2013-02-28 | 2014-09-11 | Toshiba Corp | 環境評価装置、方法およびプログラム |
JP2015099494A (ja) * | 2013-11-19 | 2015-05-28 | 日本電気株式会社 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101250329B1 (ko) | 2002-11-26 | 2013-04-03 | 쇼와 덴코 가부시키가이샤 | 전극 재료, 및 제조방법 및 그 용도 |
JP4298988B2 (ja) | 2002-12-02 | 2009-07-22 | 昭和電工株式会社 | 炭素材料の製造方法 |
JP4082706B2 (ja) | 2005-04-12 | 2008-04-30 | 学校法人早稲田大学 | マルチプロセッサシステム及びマルチグレイン並列化コンパイラ |
JP4231516B2 (ja) | 2006-08-04 | 2009-03-04 | 株式会社日立製作所 | 実行コードの生成方法及びプログラム |
JP2007305148A (ja) | 2007-06-25 | 2007-11-22 | Univ Waseda | マルチプロセッサシステム |
US7831608B2 (en) * | 2008-02-28 | 2010-11-09 | International Business Machines Corporation | Service identification in legacy source code using structured and unstructured analyses |
JP2013242604A (ja) | 2010-09-10 | 2013-12-05 | Fixstars Multi Core Labo Corp | 実行モジュール最適化装置、実行モジュール最適化方法、およびプログラム |
US8799693B2 (en) | 2011-09-20 | 2014-08-05 | Qualcomm Incorporated | Dynamic power optimization for computing devices |
JP6090850B2 (ja) * | 2013-03-29 | 2017-03-08 | Necソリューションイノベータ株式会社 | ソースプログラム解析システム、ソースプログラム解析方法およびプログラム |
-
2015
- 2015-08-05 JP JP2015155254A patent/JP6439623B2/ja active Active
-
2016
- 2016-07-07 US US15/204,266 patent/US10025368B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013025508A (ja) * | 2011-07-19 | 2013-02-04 | Fujitsu Ltd | 情報処理装置、制御プログラムおよび制御方法 |
JP2014167761A (ja) * | 2013-02-28 | 2014-09-11 | Toshiba Corp | 環境評価装置、方法およびプログラム |
JP2015099494A (ja) * | 2013-11-19 | 2015-05-28 | 日本電気株式会社 | 情報処理装置、情報処理方法およびプログラム |
Non-Patent Citations (2)
Title |
---|
KENNETH HOSTE, 他5名: "Performance Prediction based on Inherent Program Similarity", PROCEEDINGS OF THE 15TH INTERNATIONAL CONFERENCE ON PARALLEL ARCHITECTURES AND COMPILATION TECHNIQUE, JPN6018040887, September 2006 (2006-09-01), US, pages 114-122 * |
佐々木広、他4名: ""統計情報に基づく動的電源電圧制御手法"", 先進的計算基盤システムシンポジウム SACSIS2006, vol. 第2006巻 第5号, JPN6018040885, 22 May 2006 (2006-05-22), JP, pages 67−74 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018142112A (ja) * | 2017-02-27 | 2018-09-13 | 日本電気株式会社 | クロック装置、中央演算処理装置、計数装置、計数方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US10025368B2 (en) | 2018-07-17 |
JP6439623B2 (ja) | 2018-12-19 |
US20170038818A1 (en) | 2017-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bailey et al. | Adaptive configuration selection for power-constrained heterogeneous systems | |
CN107515663B (zh) | 调整中央处理器内核运行频率的方法和装置 | |
JP5859639B2 (ja) | 異種コア用の自動負荷バランシング | |
US8533719B2 (en) | Cache-aware thread scheduling in multi-threaded systems | |
Wang et al. | Asymo: scalable and efficient deep-learning inference on asymmetric mobile cpus | |
Dao et al. | A performance model for GPUs with caches | |
US8578355B1 (en) | Scenario based optimization | |
KR20170054485A (ko) | 운영체제에서의 휴리스틱 프로세서 전력 관리 | |
CN108664367B (zh) | 一种基于处理器的功耗控制方法及装置 | |
Diener et al. | Locality and balance for communication-aware thread mapping in multicore systems | |
Liang et al. | Performance characterization of hadoop and data mpi based on amdahl's second law | |
Sundriyal et al. | Modeling of the CPU frequency to minimize energy consumption in parallel applications | |
Hiebel et al. | Machine learning for fine-grained hardware prefetcher control | |
Diener et al. | Communication-aware process and thread mapping using online communication detection | |
Moradi et al. | Adaptive performance modeling and prediction of applications in multi-tenant clouds | |
Hoffmann et al. | Online machine learning for energy-aware multicore real-time embedded systems | |
JP6439623B2 (ja) | 計算機、動作周波数決定プログラム及び動作周波数決定方法 | |
Liu et al. | A study on modeling and optimization of memory systems | |
Sundriyal et al. | Runtime power-aware energy-saving scheme for parallel applications | |
Machina et al. | Predicting cache needs and cache sensitivity for applications in cloud computing on cmp servers with configurable caches | |
Velásquez et al. | BADCO: Behavioral Application-Dependent Superscalar Core Models | |
Park et al. | RPPC: A holistic runtime system for maximizing performance under power capping | |
Farooqui et al. | Accelerating graph applications on integrated GPU platforms via instrumentation-driven optimizations | |
US20230205517A1 (en) | Automated use of computational motifs via deep learning detection | |
Alexandersson et al. | Implementing online performance modelling in OpenMP—Adding an energy aware scheduler for increased energy efficiency |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6439623 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |