JP2023165100A - アクセラレータの制御プログラム及び制御方法、並びに、情報処理装置 - Google Patents

Abstract

【課題】アクセラレータの温度上昇を抑制しつつ、アクセラレータを利用して実行する処理の時間短縮を図る。【解決手段】制御プログラムは、温度が第１閾値以上になると所定の周波数に設定される各アクセラレータについて、クロック周波数ごとに予め生成された、処理負荷に応じた実行時間、前記処理負荷の処理前後の温度差の対応関係を取得し、第１の処理を開始する際に、各アクセラレータについて、現在の処理負荷と、クロック周波数と、温度とに基づき、対応関係から、第１の処理を実行させた場合の実行時間及び温度を取得し、温度が第１閾値以上であるアクセラレータについては、取得した実行時間及び温度に代えて、クロック周波数を所定の周波数に設定した場合の実行時間及び温度を対応関係から取得し、実行時間が第１の処理の制限時間内且つ温度が所定の条件を満たすアクセラレータに、第１の処理を実行させる。【選択図】図５

Description

本発明は、アクセラレータの制御プログラム及び制御方法、並びに、情報処理装置に関する。

複数のＧＰＵ（Graphics Processing Unit）を利用して処理を実行する情報処理装置では、負荷が最小であるＧＰＵに処理のタスクを割り当てるタスクスケジューリングが行なわれることがある。負荷としては、例えば、各ＧＰＵの利用率、待機中のタスク数等が挙げられる。

ＧＰＵの１つとして、推論処理に最適化された推論用ＧＰＵが知られている。推論用ＧＰＵは、機械学習処理よりも短時間で実行可能な推論処理に特化したＧＰＵであり、冷却機構が簡素で省スペースである、クロック周波数の上限と下限との差が大きい（例えば、600MHz～1.6GHz）、負荷によりクロック周波数が変動する、等の特性を有する。負荷によるクロック周波数の変動は、例えば、低負荷の場合は低いクロック周波数となり、高負荷の場合は高いクロック周波数となる場合を含む。この場合、負荷が高い方が処理時間が短くなることがある。

特開２００９－２７７０２２号公報

上述した情報処理装置において、タスクスケジューリングにより複数の推論用ＧＰＵのうちのいずれかに推論処理のタスクを実行させる場合、推論用ＧＰＵの特性により、推論処理の処理時間が長期化する、換言すれば、処理性能が低下する場合がある。

例えば、推論用ＧＰＵでは、簡素な冷却機構の採用により低下する冷却性能を補うための制御、換言すれば、推論用ＧＰＵの温度上昇を抑制するための制御（温度上昇抑制制御）が行なわれることがある。当該制御としては、例えば、消費電力が上限に達するとクロック周波数を低下させ、推論用ＧＰＵの温度が上限に達するとクロック周波数を下限近くまで低下させる制御が挙げられる。この場合、推論用ＧＰＵは、高いクロック周波数で動作し続けると、温度が上限に達してクロック周波数が下限まで下がり、処理性能が急激に低下する場合がある。

情報処理装置が、カメラ等のデバイスから逐次又は定期的に取得した映像に対して、物体認識、異常検知等の映像分析処理を行なう場合を想定する。映像が１０fps（frames per second）で撮影された場合、情報処理装置は、1秒間に10枚の画像を分析するリアルタイム処理を実行することになる。

このようなリアルタイム処理を行なう情報処理装置では、推論用ＧＰＵの処理性能が急激に低下すると、映像分析処理が制限時間（例えば1画像あたり0.1秒）内に完了せず、リアルタイム処理の実施が困難になる場合がある。

上述した不都合は、推論用ＧＰＵに限定されるものではなく、温度が閾値以上になるとクロック周波数が所定の周波数に設定される（低下する）種々のアクセラレータ、例えば、推論用ＧＰＵを含むＧＰＵ、又は、専用アクセラレータ等においても生じ得る。

１つの側面では、本発明は、アクセラレータの温度上昇を抑制しつつ、アクセラレータを利用して実行する処理の時間短縮を図ることを目的の１つとする。

１つの側面では、アクセラレータの制御プログラムは、コンピュータに以下の処理を実行させてよい。前記処理は、温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得する処理を含んでよい。また、前記処理は、第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得する処理を含んでよい。さらに、前記処理は、前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得する処理を含んでよい。また、前記処理は、前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる処理を含んでよい。

１つの側面では、本発明は、アクセラレータの温度上昇を抑制しつつ、アクセラレータを利用して実行する処理の時間短縮を図ることができる。

第１実施形態に係る映像分析システムの構成例を示すブロック図である。 第１実施形態に係る映像分析装置の機能を実現するコンピュータのハードウェア（ＨＷ）構成例を示すブロック図である。 第１実施形態に係る映像分析装置のソフトウェア構成例を示すブロック図である。 第１実施形態に係る温度テーブルの一例を示す図である。 第１実施形態に係る映像分析装置の動作例を説明するフローチャートである。 第２実施形態に係る映像分析装置のソフトウェア構成例を示すブロック図である。 第２実施形態に係る温度テーブルの一例を示す図である。 第２実施形態に係る使用率テーブルの一例を示す図である。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形又は技術の適用を排除する意図はない。例えば、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。なお、以下の説明で用いる図面において、同一符号を付した部分は、特に断らない限り、同一若しくは同様の部分を表す。

〔Ａ〕第１実施形態
（Ｉ）構成例
（Ｉ－１）映像分析システムの構成例
図１は、第１実施形態に係る映像分析システム１の構成例を示すブロック図である。図１に示すように、映像分析システム１は、例示的に、映像分析装置２、及び、複数（図１の例ではＭ個；Ｍは２以上の整数）のカメラ３－１～３－Ｍを備えてよい。以下、カメラ３－１～３－Ｍを区別しない場合には単にカメラ３と表記する。なお、複数のカメラ３の各々は、映像分析装置２に備えられてもよい。

映像分析システム１は、情報処理システムの一例であり、カメラ３が取得した映像データ４に基づく映像分析処理を実行する。映像データ４（複数の画像フレーム）は、入力データの一例である。映像分析処理は、推論処理の一例であり、例えば、物体認識処理、異常検知処理等が挙げられる。第１実施形態では、映像分析処理が物体認識であるものとする。

複数のカメラ３の各々は、撮像して得た映像データ４を映像分析装置２に送信する。映像データ４は、図示しないネットワークを介してカメラ３から映像分析装置２に伝送されてもよい。

映像分析装置２は、情報処理装置の一例である。映像分析装置２は、スケジューラ２ａ、及び、複数（図１の例ではＮ個；Ｎは２以上の整数）のＧＰＵ２ｂを備えてよい。以下、ＧＰＵ２ｂ－１～２ｂ－Ｎを区別しない場合には単にＧＰＵ２ｂと表記する。

スケジューラ２ａは、物体認識処理のタスクを、複数のＧＰＵ２ｂのうちのいずれかのＧＰＵ２ｂに割り当てるタスクスケジューリングを実行する。映像分析システム１が推論処理としてリアルタイム処理を実行する場合、スケジューラ２ａは、複数のカメラ３の各々から映像データ４を受信する都度、タスクスケジューリングを実行することで、受信した映像データ４の物体認識処理のタスクをＧＰＵ２ｂに割り当ててよい。なお、リアルタイム処理では、タスクの実行時間に関する制限（例えば制限時間）が設けられてよい。制限時間は、リアルタイム処理の実施における推論処理の許容できる実行時間の一例であり、例えば100ms等の時間であってよい。

ＧＰＵ２ｂは、訓練済みの機械学習モデル２１ｃ（図３参照）を利用して入力データの推論処理を実行するアクセラレータの一例である。ＧＰＵ２ｂは、スケジューラ２ａにより割り当てられたタスクを実行し、推論結果の一例として、認識結果５を出力する。

第１実施形態では、ＧＰＵ２ｂは、推論用ＧＰＵであるものとするが、これに限定されるものではなく、種々のアクセラレータであってもよい。

ＧＰＵ２ｂでは、ＧＰＵ２ｂの温度上昇を抑制するための制御（温度上昇抑制制御）が行なわれてよい。温度上昇抑制制御は、第１制御及び第２制御を含んでよい。

第１制御は、ＧＰＵ２ｂの温度が上限である第１閾値（閾値Th_t）以上になるとクロック周波数を下限近くの第１周波数に設定する制御である。

第２制御は、消費電力が上限である第２閾値（閾値Th_e）以上になるとクロック周波数を現在のクロック周波数よりも低い第２周波数に設定する制御である。

例えば、第１制御は、ＧＰＵ２ｂのＨＷ（Hardware）により実行されてよく、第２制御は、ＧＰＵ２ｂのＦＷ（Firmware）により実行されてよいが、これに限定されるものではない。

なお、図１の例では、複数のＧＰＵ２ｂが映像分析装置２に備えられているが、これに限定されるものではない。例えば、映像分析システム１がＭＥＣ（Multi-access Edge Computing）システムのような分散型のシステムである場合、複数のＧＰＵ２ｂの各々は、図示しないネットワークを介して映像分析装置２と接続された装置、例えばエッジサーバ等に備えられてもよい。この場合、映像分析装置２は、ゲートウェイ（Gateway）サーバ等の装置であってもよい。

（Ｉ－２）映像分析装置のハードウェア構成例
第１実施形態に係る映像分析装置２は、仮想サーバ（ＶＭ；Virtual Machine）であってもよいし、物理サーバであってもよい。また、映像分析装置２の機能は、１台のコンピュータにより実現されてもよいし、２台以上のコンピュータにより実現されてもよい。

図２は、第１実施形態に係る映像分析装置２の機能を実現するコンピュータ１０のハードウェア（ＨＷ）構成例を示すブロック図である。映像分析装置２の機能を実現するＨＷリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図２に例示するＨＷ構成を備えてよい。

図２に示すように、コンピュータ１０は、ＨＷ構成として、例示的に、プロセッサ１０ａ、複数のアクセラレータ１０ｂ、メモリ１０ｃ、記憶部１０ｄ、ＩＦ（Interface）部１０ｅ、ＩＯ（Input / Output）部１０ｆ、及び読取部１０ｇを備えてよい。

プロセッサ１０ａは、種々の制御や演算を行なう演算処理装置の一例である。プロセッサ１０ａは、コンピュータ１０内の各ブロックとバス１０ｊで相互に通信可能に接続されてよい。なお、プロセッサ１０ａは、複数のプロセッサを含むマルチプロセッサであってもよいし、複数のプロセッサコアを有するマルチコアプロセッサであってもよく、或いは、マルチコアプロセッサを複数有する構成であってもよい。

プロセッサ１０ａとしては、例えば、ＣＰＵ、ＭＰＵ、ＡＰＵ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡ等の集積回路（ＩＣ；integrated circuit）が挙げられる。なお、プロセッサ１０ａとして、これらの集積回路の２以上の組み合わせが用いられてもよい。ＣＰＵはCentral Processing Unitの略称であり、ＭＰＵはMicro Processing Unitの略称である。ＡＰＵはAccelerated Processing Unitの略称である。ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific ICの略称であり、ＦＰＧＡはField-Programmable Gate Arrayの略称である。図１に示すスケジューラ２ａの機能は、例えば、プロセッサ１０ａにより実現されてよい。

複数のアクセラレータ１０ｂは、機械学習モデルにデータを入力して推論処理を行ない、推論結果を出力する。アクセラレータ１０ｂとしては、種々の演算処理装置、例えば、ＧＰＵ、ＡＰＵ、ＤＳＰ、ＡＳＩＣ又はＦＰＧＡ等の集積回路（ＩＣ）が挙げられる。図１に示すＧＰＵ２ｂは、アクセラレータ１０ｂの一例である。

メモリ１０ｃは、種々のデータやプログラム等の情報を格納するＨＷの一例である。メモリ１０ｃとしては、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性メモリ、及び、ＰＭ（Persistent Memory）等の不揮発性メモリ、の一方又は双方が挙げられる。

記憶部１０ｄは、種々のデータやプログラム等の情報を格納するＨＷの一例である。記憶部１０ｄとしては、ＨＤＤ（Hard Disk Drive）等の磁気ディスク装置、ＳＳＤ（Solid State Drive）等の半導体ドライブ装置、不揮発性メモリ等の各種記憶装置が挙げられる。不揮発性メモリとしては、例えば、フラッシュメモリ、ＳＣＭ（Storage Class Memory）、ＲＯＭ（Read Only Memory）等が挙げられる。

記憶部１０ｄは、コンピュータ１０の各種機能の全部若しくは一部を実現するプログラム１０ｈ（制御プログラム）を格納してよい。

例えば、映像分析装置２のプロセッサ１０ａは、記憶部１０ｄに格納されたプログラム１０ｈをメモリ１０ｃに展開して実行することにより、後述する映像分析装置２（例えば図３に示す制御部２８）としての機能を実現できる。

ＩＦ部１０ｅは、映像分析装置２と複数のカメラ３のそれぞれとの間の接続及び通信の制御等を行なう通信ＩＦの一例である。例えば、ＩＦ部１０ｅは、イーサネット（登録商標）等のＬＡＮ（Local Area Network）、或いは、ＦＣ（Fibre Channel）等の光通信等に準拠したアダプタを含んでよい。当該アダプタは、無線及び有線の一方又は双方の通信方式に対応してよい。

例えば、映像分析装置２は、ＩＦ部１０ｅ及びネットワークを介して、複数のカメラ３のそれぞれと相互に通信可能に接続されてよい。なお、プログラム１０ｈは、当該通信ＩＦを介して、ネットワークからコンピュータ１０にダウンロードされ、記憶部１０ｄに格納されてもよい。

ＩＯ部１０ｆは、入力装置、及び、出力装置、の一方又は双方を含んでよい。入力装置としては、例えば、キーボード、マウス、タッチパネル等が挙げられる。出力装置としては、例えば、モニタ、プロジェクタ、プリンタ等が挙げられる。また、ＩＯ部１０ｆは、入力装置及び表示装置が一体となったタッチパネル等を含んでもよい。出力装置は、ＧＰＵ又はＡＰＵとしてのアクセラレータ１０ｂに接続されてもよい。

読取部１０ｇは、記録媒体１０ｉに記録されたデータやプログラムの情報を読み出すリーダの一例である。読取部１０ｇは、記録媒体１０ｉを接続可能又は挿入可能な接続端子又は装置を含んでよい。読取部１０ｇとしては、例えば、ＵＳＢ（Universal Serial Bus）等に準拠したアダプタ、記録ディスクへのアクセスを行なうドライブ装置、ＳＤカード等のフラッシュメモリへのアクセスを行なうカードリーダ等が挙げられる。なお、記録媒体１０ｉにはプログラム１０ｈが格納されてもよく、読取部１０ｇが記録媒体１０ｉからプログラム１０ｈを読み出して記憶部１０ｄに格納してもよい。

記録媒体１０ｉとしては、例示的に、磁気／光ディスクやフラッシュメモリ等の非一時的なコンピュータ読取可能な記録媒体が挙げられる。磁気／光ディスクとしては、例示的に、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ブルーレイディスク、ＨＶＤ（Holographic Versatile Disc）等が挙げられる。フラッシュメモリとしては、例示的に、ＵＳＢメモリやＳＤカード等の半導体メモリが挙げられる。

上述したコンピュータ１０のＨＷ構成は例示である。従って、コンピュータ１０内でのＨＷの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。

なお、ＧＰＵ２ｂがエッジサーバ等の装置に備えられる場合、当該エッジサーバの機能を実現するコンピュータは、図２に例示するコンピュータ１０と同様のＨＷ構成を備えてもよい。

（Ｉ－３）映像分析装置のソフトウェア構成例
次に、図３を参照して、映像分析装置２のソフトウェア（機能）構成例を説明する。図３は、第１実施形態に係る映像分析装置２のソフトウェア構成例を示すブロック図である。図３に示すように、映像分析装置２は、例示的に、メモリ部２１、映像取得部２２、ＧＰＵ情報取得部２３、算出部２４、タスク割当部２５、物体認識処理部２６、及び、出力部２７を備えてよい。映像取得部２２、ＧＰＵ情報取得部２３、算出部２４、タスク割当部２５、物体認識処理部２６、及び、出力部２７は、制御部２８の一例である。

なお、映像取得部２２、ＧＰＵ情報取得部２３、算出部２４、タスク割当部２５による処理は、図１に示すスケジューラ２ａによるタスクスケジューリング処理の一例である。また、物体認識処理部２６及び出力部２７は、図１に示す複数のＧＰＵ２ｂを利用して、物体認識処理による認識結果５を出力する推論処理部の一例であり、図２に示すプロセッサ１０ａの機能により実現されてよい。

メモリ部２１は、記憶領域の一例であり、映像分析装置２が利用する種々のデータを記憶する。メモリ部２１は、例えば、図２に示すメモリ１０ｃ及び記憶部１０ｄのうちの一方又は双方が有する記憶領域により実現されてもよい。

図３に示すように、メモリ部２１は、例示的に、温度テーブル２１ａ、ＧＰＵ情報２１ｂ、機械学習モデル２１ｃ、映像データ４、及び、認識結果５を記憶可能であってよい。以下、便宜上、温度テーブル２１ａをテーブル形式で表記するが、これに限定されるものではなく、温度テーブル２１ａは、ＤＢ（Database）又は配列等の種々の形式であってもよい。

映像分析装置２（制御部２８）は、映像分析システム１による運用を開始する前の事前設定処理として、温度テーブル２１ａを作成してよい。

図４は、第１実施形態に係る温度テーブル２１ａの一例を示す図である。温度テーブル２１ａは、所定のクロック周波数ごとに予め生成された対応関係を示す情報の一例である。例えば、温度テーブル２１ａは、ＧＰＵ２ｂの処理負荷に応じた実行時間と、当該処理負荷の処理の実行後の消費電力と、当該処理負荷の処理の実行前後のＧＰＵ２ｂの温度差と、を所定のクロック周波数ごとに対応付けた情報であってよい。第１実施形態において、処理負荷は、例えば、ＧＰＵ２ｂが実行する（実行中の）タスクの処理数である。

図４の例において、「分析処理数」は、１つのＧＰＵ２ｂに割り当てられた分析処理、換言すればＧＰＵ２ｂが同時に実行するタスクの処理数ｎ（ｎは１以上の整数）である。「クロック周波数」（ＭＨｚ）は、ＧＰＵ２ｂが動作するクロック周波数（動作周波数）である。図４の例では、温度テーブル２１ａには、500MHzごとに、500MHz, 1000MHz, 1500MHzの3段階のクロック周波数が設定されるものとするが、これに限定されるものではない。温度テーブル２１ａには、500MHz未満の周波数ごと、又は500MHzよりも大きい周波数ごとに、複数段階のクロック周波数が設定されてもよい。

「実行時間」（ｍｓ）、「消費電力」（Ｗ）及び「温度差」（℃）は、「分析処理数」及び「クロック周波数」の組み合わせごとに設定される。「実行時間」は、ＧＰＵ２ｂが分析処理を開始してから完了するまでの時間（所要時間）である。「消費電力」は、ＧＰＵ２ｂが分析処理を実行した場合に消費する電力量である。「温度差」は、ＧＰＵ２ｂによる分析処理の実行前の温度と実行後の温度との差である。

映像分析装置２は、事前設定処理として、ＧＰＵ２ｂにｎ個のタスクを実行させたときのクロック周波数ごとの実行時間、消費電力、及び温度差を測定し、温度テーブル２１ａに設定してよい。なお、複数のＧＰＵ２ｂがいずれも同一の製品である場合であっても、ＧＰＵ２ｂ間で性能に個体差が存在することがある。このため、温度テーブル２１ａは、ＧＰＵ２ｂごとに生成されてよい。

映像取得部２２は、複数のカメラ３の各々から映像データ４を取得し、メモリ部２１に格納する。映像取得部２２により映像データ４が取得されると、映像分析装置２において分析処理が開始される。

ＧＰＵ情報取得部２３は、映像取得部２２が映像データ４を取得すると、複数のＧＰＵ２ｂの各々の現在の状態を示すＧＰＵ情報２１ｂを取得し、メモリ部２１に格納する。ＧＰＵ情報２１ｂは、例えば、コンピュータ１０のＯＳ（Operating System）又はドライバから所得されてよい。

ＧＰＵ情報２１ｂは、例えば、ＧＰＵ２ｂの現在の温度の情報と、ＧＰＵ２ｂの現在の動作周波数及び消費電力の一方又は双方の情報と、を含んでよい。また、ＧＰＵ情報２１ｂは、ＧＰＵ２ｂが実行中の物体認識処理（分析処理）の処理数を含んでもよい。

算出部２４は、温度テーブル２１ａと、ＧＰＵ情報２１ｂとに基づき、複数のＧＰＵ２ｂの各々について、映像データ４の物体認識処理の実行時間、消費電力、及び、物体認識処理の実行後のＧＰＵ温度を算出（取得）する。

例えば、算出部２４は、温度テーブル２１ａから、割当対象の処理（タスク）数とＧＰＵ情報２１ｂに含まれる現在の処理数とを加算して得た分析処理数と、ＧＰＵ情報２１ｂに含まれるＧＰＵ２ｂの現在の動作周波数とに対応するエントリを特定する。割当対象の処理（タスク）は、第１の処理の一例である。

例えば、1つの映像データ４の物体認識処理を実行する場合（割当対象の処理数が1の場合）、ＧＰＵ２ｂが実行中の処理数が0であれば、分析処理数は1(=1+0)となり、ＧＰＵ２ｂが実行中の処理数が1であれば、分析処理数は2(=1+1)となる。

算出部２４は、特定したエントリにおける実行時間及び消費電力を取得する。また、算出部２４は、特定したエントリにおける温度差と、ＧＰＵ情報２１ｂに含まれるＧＰＵ２ｂの現在の温度とを加算することで、物体認識処理後のＧＰＵ２ｂの温度を算出する。

以上により、算出部２４は、ＧＰＵ２ｂごとに、物体認識処理を実行する場合の実行時間、消費電力及びＧＰＵ温度を取得する。

なお、算出部２４は、分析処理数と現在のＧＰＵ２ｂの動作周波数とに基づき温度テーブル２１ａからエントリを特定するものとしたが、これに限定されるものではない。算出部２４は、例えば、分析処理数と、現在のＧＰＵ２ｂの消費電力とに応じたエントリを、温度テーブル２１ａから特定してもよく、或いは、分析処理数と、動作周波数及び消費電力の双方とに応じたエントリを、温度テーブル２１ａから特定してもよい。

このように、算出部２４は、分析処理数と、現在のＧＰＵ２ｂの動作周波数及び消費電力の一方又は双方とに基づき、温度テーブル２１ａから、割当対象の処理の実行時間と、割当対象の処理の実行完了後の消費電力及び温度とを、ＧＰＵ２ｂごとに取得する。

ところで、上述したように、ＧＰＵ２ｂでは、温度上昇抑制制御（第１制御及び第２制御）が行なわれる。物体認識処理を行なうＧＰＵ２ｂの状態が、当該制御の実行条件を満たす場合、当該制御によりＧＰＵ２ｂのクロック周波数が低下する。クロック周波数が低下すると、ＧＰＵ２ｂの処理性能（処理速度）が低下するため、物体認識処理の実行時間が、算出部２４が算出（特定）した実行時間を超過する可能性がある。

そこで、算出部２４は、取得した消費電力及び温度と、第１制御及び第２制御の各々の閾値とに基づき、温度上昇抑制制御が行なわれると推定されるＧＰＵ２ｂについては、以下の手法により、実行時間及びＧＰＵ温度を算出（取得）する。

例えば、算出部２４は、算出したＧＰＵ温度が閾値Th_t以上である場合、ＧＰＵ２ｂの温度が上限に達するとクロック周波数を下限近くまで低下させる第１制御が実行されると仮定する。算出部２４は、温度テーブル２１ａに基づき、クロック周波数を下限近くまで低下させた場合の実行時間及びＧＰＵ温度を算出（取得）する。「下限近く」とは、例えば、ＧＰＵ２ｂの定格動作周波数の下限（例えば、600MHz等）近傍である。以下の説明では、「下限近く」のクロック周波数とは、例示的に、ＧＰＵ２ｂに対して設定可能な最低のクロック周波数であるものとする。

一例として、算出部２４は、温度テーブル２１ａから、ＧＰＵ情報２１ｂに基づき算出した分析処理数と、最低のクロック周波数とに対応するエントリを特定する。そして、算出部２４は、特定したエントリの実行時間を取得する。また、算出部２４は、特定したエントリの温度差とＧＰＵ情報２１ｂに含まれるＧＰＵ温度とを加算することでＧＰＵ温度を算出する。

このように、算出部２４は、取得した温度が第１閾値（閾値Th_t）以上であるＧＰＵ２ｂが存在する場合、当該ＧＰＵ２ｂについて取得した実行時間及び温度に代えて、当該ＧＰＵ２ｂのクロック周波数を第１周波数に設定した場合の実行時間及び温度を温度テーブル２１ａから取得する。

なお、閾値Th_tは、第１閾値の一例であり、例えば、第１制御が行なわれるＧＰＵ２ｂの仕様に応じて設定されてよい。一例として、閾値Th_tは、定格最大温度近傍の値、例えば135℃等であってよい。

また、例えば、算出部２４は、取得した消費電力が閾値Th_e以上である場合、消費電力が上限に達するとクロック周波数を低下させる第２制御が実行されると仮定する。算出部２４は、温度テーブル２１ａに基づき、クロック周波数を低下させた場合の実行時間及びＧＰＵ温度を算出（取得）する。

一例として、算出部２４は、温度テーブル２１ａから、ＧＰＵ情報２１ｂに基づき算出した分析処理数と、ＧＰＵ情報２１ｂに含まれる動作周波数よりも1段階低いクロック周波数とに対応するエントリを特定してよい。そして、算出部２４は、特定したエントリの実行時間を取得する。また、算出部２４は、特定したエントリの温度差とＧＰＵ情報２１ｂに含まれるＧＰＵ温度とを加算することでＧＰＵ温度を算出する。なお、算出部２４が、クロック周波数を1段階低下させるものとしたが、これに限定されるものではなく、2段階以上低下させてもよい。

このように、算出部２４は、取得した消費電力が第２閾値（閾値Th_e）以上であるＧＰＵ２ｂが存在する場合、当該ＧＰＵ２ｂについて取得した実行時間及び温度に代えて、当該ＧＰＵ２ｂのクロック周波数を第２周波数に設定した場合の実行時間及び温度を温度テーブル２１ａから取得する。

なお、閾値Th_eは、第２閾値の一例であり、例えば、第２制御が行なわれるＧＰＵ２ｂの仕様に応じて設定されてよい。一例として、閾値Th_eは、定格最大消費電力近傍の値、例えば70W等であってよい。また、閾値Th_eは、ＧＰＵ２ｂがTh_t未満の温度（例えば85℃等）になるときの消費電力であってもよい。

以上のように、算出部２４は、温度上昇抑制制御が行なわれると推定されるＧＰＵ２ｂの実行時間及びＧＰＵ温度については、クロック周波数を低下させた場合又は最低とした場合の実行時間及びＧＰＵ温度を採用する。

タスク割当部２５は、算出部２４が算出したＧＰＵ２ｂごとの実行時間及びＧＰＵ温度に基づき、複数のＧＰＵ２ｂのうちの、実行時間が制限時間内であり、且つ、ＧＰＵ温度が所定の条件を満たすＧＰＵ２ｂに、物体認識処理のタスクを割り当てる。所定の条件としては、例えば、実行時間が制限時間内であるＧＰＵ２ｂの間で、ＧＰＵ温度が最低であることを含んでよい。

物体認識処理部２６は、タスクが割り当てられたＧＰＵ２ｂを利用して、分析処理（推論処理）の一例としての物体認識処理を実行する。例えば、物体認識処理部２６は、タスクが割り当てられたＧＰＵ２ｂに対して、映像データ４を入力とした機械学習モデル２１ｃを実行させ、ＧＰＵ２ｂから認識結果５を取得してメモリ部２１に格納する。

機械学習モデル２１ｃは、訓練データを用いて物体認識処理の機械学習（訓練）が行なわれた訓練済み機械学習モデルである。

このように、タスク割当部２５及び物体認識処理部２６は、算出部２４が取得した実行時間が割当対象の処理の制限時間内である１以上のＧＰＵ２ｂのうちの、算出部２４が取得した温度が所定の条件を満たすＧＰＵ２ｂに、割当対象の処理を実行させる。

出力部２７は、出力データを出力する。出力データは、例えば、推論結果の一例である認識結果５を含んでよい。

出力部２７は、出力データの出力において、例えば、出力データを図示しない他のコンピュータに送信（提供）してもよいし、出力データをメモリ部２１に蓄積して映像分析装置２又は他のコンピュータから取得可能に管理してもよい。或いは、出力部２７は、出力データの出力において、出力データを示す情報を映像分析装置２等の出力装置に画面出力してもよく、その他の種々の態様により出力データを出力してよい。

（II）動作例
次に、第１実施形態に係る映像分析システム１（映像分析装置２）の動作例を説明する。図５は、第１実施形態に係る映像分析装置２の動作例を説明するフローチャートである。

図５に例示するように、映像分析装置２の映像取得部２２は、カメラ３から送信された映像データ４を取得し（ステップＳ１）、メモリ部２１に格納する。

ＧＰＵ情報取得部２３は、複数のＧＰＵ２ｂの各々のＧＰＵ情報２１ｂを取得し（ステップＳ２）、メモリ部２１に格納する。

算出部２４は、温度テーブル２１ａ及びＧＰＵ情報２１ｂに基づき、タスクを実行した場合の各ＧＰＵ２ｂの消費電力、実行時間、及び、温度を算出する（ステップＳ３）。

算出部２４は、複数のＧＰＵ２ｂの各々のうち、算出した温度が閾値Th_t以上であるＧＰＵ２ｂが存在するか否かを判定する（ステップＳ４）。

算出した温度が閾値Th_t以上であるＧＰＵ２ｂが存在する場合（ステップＳ４でＹＥＳ）、算出部２４は、クロック周波数が最低の場合の当該ＧＰＵ２ｂの消費電力、実行時間、及び、温度を取得し（ステップＳ５）、処理がステップＳ６に移行する。なお、算出部２４は、当該ＧＰＵ２ｂについては、ステップＳ３で算出した消費電力、実行時間、及び、温度に代えて、ステップＳ５で取得した消費電力、実行時間、及び、温度を用いる。

ステップＳ６では、算出部２４は、複数のＧＰＵ２ｂの各々のうち、取得した消費電力が閾値Th_e以上であるＧＰＵ２ｂが存在するか否かを判定する。

取得した消費電力が閾値Th_e以上であるＧＰＵ２ｂが存在する場合（ステップＳ６でＹＥＳ）、算出部２４は、クロック周波数を低下させた場合の当該ＧＰＵ２ｂの消費電力、実行時間、及び、温度を取得し（ステップＳ７）、処理がステップＳ８に移行する。なお、算出部２４は、当該ＧＰＵ２ｂについては、ステップＳ３で算出した消費電力、実行時間、及び、温度に代えて、ステップＳ７で取得した消費電力、実行時間、及び、温度を用いる。

タスク割当部２５は、複数のＧＰＵ２ｂのうち、実行時間が制限時間内であり、且つ、温度が最低であるＧＰＵ２ｂを特定し、特定したＧＰＵ２ｂにタスクを割り当てる。

物体認識処理部２６は、タスクを割り当てたＧＰＵ２ｂに映像データ４を入力することで、機械学習モデル２１ｃによるタスクを実行し（ステップＳ８）、認識結果５をメモリ部２１に格納する。

出力部２７は、認識結果５を含む出力データを出力し、処理が終了する。

なお、ステップＳ４及びＳ５の処理と、ステップＳ６及びＳ７の処理とは、順序が逆であってもよい。また、ステップＳ７では、消費電力の取得は省略されてもよい。

（III）第１実施形態の効果
以上のように、第１実施形態に係る映像分析システム１によれば、映像分析装置２（制御部２８）は、少なくとも第１制御が行なわれる複数のＧＰＵ２ｂの各々について、所定のクロック周波数ごとに予め生成された対応関係（温度テーブル２１ａ）であって、処理負荷に応じた実行時間と、処理負荷の処理の実行前後のＧＰＵ２ｂの温度差との対応関係を取得する。また、映像分析装置２は、第１の処理を開始する際に、複数のＧＰＵ２ｂの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、対応関係から、第１の処理を実行させた場合の実行時間と、第１の処理の実行完了後の温度とを取得する。さらに、映像分析装置２は、取得した温度が第１閾値以上であるＧＰＵ２ｂが存在する場合、当該ＧＰＵ２ｂについて取得した実行時間及び温度に代えて、当該ＧＰＵ２ｂのクロック周波数を第１周波数に設定した場合の実行時間及び温度を対応関係から取得する。そして、映像分析装置２は、取得した実行時間が第１の処理の制限時間内である１以上のＧＰＵ２ｂのうちの、取得した温度が所定の条件を満たすＧＰＵ２ｂに、第１の処理を実行させる。

これにより、ＧＰＵ２ｂの温度上昇を抑制しつつ、ＧＰＵ２ｂを利用して実行する処理の時間短縮を図ることができる。

例えば、映像分析装置２は、或るＧＰＵ２ｂの温度が上限に達しそうな場合、当該ＧＰＵ２ｂについてはクロック周波数が最低になったと仮定して、複数のＧＰＵ２ｂのうちのいずれかのＧＰＵ２ｂにタスクを割り当てる。

このように、映像分析装置２は、ＧＰＵ２ｂの温度を考慮したスケジューリングにより、リアルタイム処理の時間的制約（一例として、10fps）を満たしつつ、ＧＰＵ２ｂの温度上昇を抑制することができ、温度の低いＧＰＵ２ｂでタスクを実行することができる。

また、ＧＰＵ２ｂの温度を考慮しない場合、システムを長時間実行するにつれて、ＧＰＵ２ｂが温度の上限（第１閾値）に達して最低のクロック周波数で動作し続ける可能性がある。この場合、処理時間が長くなり、分析処理が制限時間内に完了しないことがある。

一方、映像分析装置２によれば、ＧＰＵ２ｂが最低のクロック周波数で動作し続ける可能性を低減させ、高いクロック周波数で動作する時間を長く確保することができ、処理時間を短縮することができる。一例として、ＧＰＵ２ｂのクロック周波数が下限近傍であるときの性能と、ＧＰＵ２ｂのクロック周波数が上限近傍であるときの性能との間に３倍の差がある場合、映像分析装置２によれば、最大で３倍の高速化を図ることができる。

また、映像分析装置２は、消費電力が第２閾値以上であるＧＰＵ２ｂが存在する場合、当該ＧＰＵ２ｂについて取得した実行時間及び温度に代えて、当該ＧＰＵ２ｂのクロック周波数を第２周波数に設定した場合の実行時間及び温度を対応関係から取得する。このように、ＧＰＵ２ｂの消費電力を考慮することで、ＧＰＵ２ｂのクロック周波数が低下した状態で動作し続ける可能性を低減させ、高いクロック周波数で動作する時間を長く確保することができ、処理時間を短縮することができる。

また、温度テーブル２１ａは、処理負荷として、ＧＰＵ２ｂが第１の処理を同時に実行する処理数を含む。これにより、映像分析装置２は、第１の処理の処理数を特定することで、温度テーブル２１ａのエントリを容易に特定することができる。

〔Ｂ〕第２実施形態
第１実施形態では、映像分析装置２による分析処理が物体認識処理の１種類である場合を例に挙げて説明した。第２実施形態では、映像分析装置２Ａ（図６参照）が、複数種類の分析処理を実行する場合を例に挙げて説明する。

分析処理が複数種類ある場合、分析処理の種類に応じて、ＧＰＵ２ｂの使用率が異なる場合がある。ＧＰＵ２ｂの使用率が異なる場合、ＧＰＵ２ｂの使用率に応じて、クロック周波数、消費電力、及び、温度が変動することになる。そこで、第２実施形態に係る映像分析装置２Ａは、ＧＰＵ２ｂの使用率を考慮して、ＧＰＵ２ｂのタスクスケジューリング処理を実行する。

図６は、第２実施形態に係る映像分析装置２Ａのソフトウェア構成例を示すブロック図である。図６に例示するように、映像分析装置２Ａは、図３に示す映像分析装置２のメモリ部２１、ＧＰＵ情報取得部２３、及び、算出部２４に代えて、メモリ部２１Ａ、ＧＰＵ情報取得部２３Ａ、及び、算出部２４Ａを備える。なお、図６の例において、既述の符号と同一の符号が付された構成は、特に言及しない限り、図３に示す映像分析装置２の構成と同様である。また、メモリ部２１Ａ、ＧＰＵ情報取得部２３Ａ、及び、算出部２４Ａのうちの特に言及しない部分（機能、処理等）は、メモリ部２１、ＧＰＵ情報取得部２３、及び、算出部２４と同様である。

メモリ部２１Ａは、図３に示すメモリ部２１の温度テーブル２１ａ及びＧＰＵ情報２１ｂに代えて、温度テーブル２１ｄ、使用率テーブル２１ｅ、及び、ＧＰＵ情報２１ｆを格納可能であってよい。以下、便宜上、温度テーブル２１ｄ及び使用率テーブル２１ｅをテーブル形式で表記するが、これに限定されるものではなく、温度テーブル２１ｄ及び使用率テーブル２１ｅは、ＤＢ又は配列等の種々の形式であってもよい。

映像分析装置２Ａは、映像分析システム１による運用を開始する前の事前設定処理として、温度テーブル２１ｄ及び使用率テーブル２１ｅを作成してよい。

図７は、第２実施形態に係る温度テーブル２１ｄの一例を示す図である。温度テーブル２１ｄは、ＧＰＵ２ｂの処理負荷に応じた実行時間、消費電力及びＧＰＵ温度について、ＧＰＵ２ｂのクロック周波数ごとの対応関係を示す情報の一例である。第２実施形態において、処理負荷は、例えば、ＧＰＵ２ｂの使用率である。

図７に例示するように、温度テーブル２１ｄは、図４に示す温度テーブル２１ａの「分析処理数」の項目に代えて、「使用率」の項目を備える。「使用率」（％）は、ＧＰＵ２ｂが物体認識処理のタスクを実行する場合のＧＰＵ使用率である。

図８は、第２実施形態に係る使用率テーブル２１ｅの一例を示す図である。使用率テーブル２１ｅは、ＧＰＵ２ｂが実行中のタスクの種類とＧＰＵ使用率との対応関係を示す情報の一例である。図８に例示するように、使用率テーブル２１ｅは、「分析処理」、及び、「使用率」の項目を含んでよい。

図８の例において、「分析処理」は、ＧＰＵ２ｂが実行する分析処理の種類（種別）であり、例示的に、分析処理Ａ、分析処理Ｂ、分析処理Ｃを含んでよい。物体認識処理は、「分析処理」の一例である。「使用率」（％）は、ＧＰＵ２ｂが１つの「分析処理」を実行する場合のＧＰＵ使用率である。

映像分析装置２Ａは、事前設定処理として、１つの種別ごとに、又は、複数の種別の組み合わせごとに、ＧＰＵ２ｂに分析処理のタスクを実行させたときのクロック周波数ごとの実行時間、消費電力、及び温度差を測定し、温度テーブル２１ｄに設定してよい。なお、複数のＧＰＵ２ｂがいずれも同一の製品である場合であっても、ＧＰＵ２ｂ間で性能に個体差が存在することがある。このため、温度テーブル２１ｄ及び使用率テーブル２１ｅの各々は、ＧＰＵ２ｂごとに生成されてよい。

ＧＰＵ情報取得部２３Ａは、映像取得部２２が映像データ４を取得すると、複数のＧＰＵ２ｂの各々の現在の状態を示すＧＰＵ情報２１ｆを取得し、メモリ部２１に格納する。ＧＰＵ情報２１ｆは、例えば、コンピュータ１０のＯＳ又はドライバから所得されてよい。

ＧＰＵ情報２１ｆは、例えば、ＧＰＵ情報２１ｂと同様に、ＧＰＵ２ｂの現在の温度の情報、ＧＰＵ２ｂの現在の動作周波数及び消費電力の一方又は双方の情報、ＧＰＵ２ｂが実行中の物体認識処理（分析処理）の処理数を含んでよい。また、ＧＰＵ情報２１ｆは、ＧＰＵ情報２１ｂの内容に加えて、ＧＰＵ２ｂが実行中の分析処理の種類を含んでよい。

算出部２４Ａは、温度テーブル２１ｄ及び使用率テーブル２１ｅと、ＧＰＵ情報２１ｆとに基づき、複数のＧＰＵ２ｂの各々について、映像データ４の物体認識処理の実行時間、消費電力、及び、物体認識処理の実行後のＧＰＵ温度を算出（取得）する。

図６に示すように、第２実施形態に係る算出部２４Ａは、使用率算出部２４０を備えてよい。

使用率算出部２４０は、割当対象の処理（タスク）の種類及び処理数と、ＧＰＵ情報２１ｆに含まれる、ＧＰＵ２ｂが実行中の物体認識処理（分析処理）の種類及び処理数と、に基づき、ＧＰＵ２ｂが割当対象の処理を実行する場合のＧＰＵ使用率を算出する。

例えば、使用率算出部２４０は、ＧＰＵ２ｂが実行中の分析処理と割当対象の処理とを含む複数の処理について、使用率テーブル２１ｅに基づき、分析処理の種類ごとに、当該種類の使用率と当該種類の処理数とを乗算する。そして、使用率算出部２４０は、乗算して得た値（使用率）を全ての種類に亘って加算（合計）することで、ＧＰＵ２ｂが割当対象の処理を実行する場合の使用率を取得する。

例えば、1つの映像データ４の分析処理Ａを実行する場合（割当対象が1つの「分析処理Ａ」の場合）を想定する。この場合、ＧＰＵ２ｂが実行中の処理数が0であれば、使用率テーブル２１ｅから、使用率は10%となる。また、この場合、ＧＰＵ２ｂが実行中の処理が1つの「分析処理Ａ」及び1つの「分析処理Ｂ」であれば、使用率テーブル２１ｅから、使用率は45%(=10%×2 + 25%×1)となる。

算出部２４Ａは、温度テーブル２１ｄから、使用率算出部２４０が算出した使用率と、ＧＰＵ情報２１ｆに含まれるＧＰＵ２ｂの現在の動作周波数とに対応するエントリを特定する。温度テーブル２１ｄのエントリ特定後の算出部２４Ａの処理は、算出部２４と同様である。

例えば、算出部２４Ａは、特定したエントリにおける実行時間及び消費電力を取得する。また、算出部２４Ａは、特定したエントリにおける温度差と、ＧＰＵ情報２１ｆに含まれるＧＰＵ２ｂの現在の温度とを加算することで、物体認識処理後のＧＰＵ２ｂの温度を算出する。

なお、算出部２４Ａは、算出した使用率と現在のＧＰＵ２ｂの動作周波数とに基づき、温度テーブル２１ｄからエントリを特定するものとしたが、これに限定されるものではない。算出部２４Ａは、例えば、算出した使用率と、現在のＧＰＵ２ｂの消費電力とに応じたエントリを、温度テーブル２１ｄから特定してもよく、或いは、算出した使用率と、動作周波数及び消費電力の双方とに応じたエントリを、温度テーブル２１ｄから特定してもよい。

このように、算出部２４Ａは、算出した使用率と、現在のＧＰＵ２ｂの動作周波数及び消費電力の一方又は双方とに基づき、温度テーブル２１ｄから、割当対象の処理の実行時間と、割当対象の処理の実行完了後の消費電力及び温度とを、ＧＰＵ２ｂごとに算出する。

また、算出部２４Ａは、取得した消費電力及び温度と、第１制御及び第２制御の各々の閾値Th_t及びTh_eとに基づき、各ＧＰＵ２ｂで温度上昇抑制制御が行なわれるか否かを判定する。そして、算出部２４Ａは、温度上昇抑制制御が行なわれると推定されるＧＰＵ２ｂについては、温度テーブル２１ｄに基づき、クロック周波数を低下させた場合又は最低とした場合の実行時間及びＧＰＵ温度を採用する。

算出部２４Ａが算出したＧＰＵ２ｂごとの実行時間及びＧＰＵ温度に基づく、タスク割当部２５、物体認識処理部２６及び出力部２７の処理は、第１実施形態と同様である。

以上のように、第２実施形態に係る映像分析装置２Ａによれば、第１実施形態に係る映像分析装置２と同様の効果を奏することができる。

また、映像分析装置２Ａによれば、処理（分析処理）の種類に応じたＧＰＵ使用率を特定できるため、ＧＰＵ２ｂで温度上昇抑制制御が行なわれるか否かを精度良く推定することができる。

〔Ｃ〕その他
上述した第１及び第２実施形態に係る技術は、以下のように変形、変更して実施することができる。

例えば、図３又は図６に示す映像分析装置２又は２Ａが備える機能ブロック２２～２７は、任意の組み合わせで併合してもよく、それぞれ分割してもよい。また、例えば、図３に示すメモリ部２１が記憶する情報２１ａ～２１ｃは、任意の組み合わせで併合してもよく、それぞれ分割してもよい。さらに、例えば、図６に示すメモリ部２１Ａが記憶する情報２１ａ～２１ｅは、任意の組み合わせで併合してもよく、それぞれ分割してもよい。

また、例えば、第１実施形態に係る映像分析装置２は、第２実施形態に係る映像分析装置２Ａと同様に、ＧＰＵ２ｂの「使用率」を利用してもよい。一例として、温度テーブル２１ａの「処理数」には、「使用率」×「処理数」の値が設定されてよい。この場合、ＧＰＵ情報取得部２３は、ＧＰＵ情報２１ｂとして、さらに「使用率」の情報を取得してよい。算出部２４は、ＧＰＵ２ｂが実行中の処理数と割当対象の処理数とを加算した合計処理数と、ＧＰＵ２ｂが1つの処理を実行する場合のＧＰＵ使用率とを乗算して使用率を算出してよい。そして、算出部２４は、算出した使用率とＧＰＵ情報２１ｂ内のクロック周波数とに対応するエントリを、温度テーブル２１ａから特定してよい。

さらに、映像分析装置２又は２Ａは、カメラ３から入力される映像データ４に対する画像分析処理を実行するものとして説明したが、これに限定されるものではなく、種々の入力データに対する種々の推論処理を実行してもよい。

また、例えば、図３又は図６に示す映像分析装置２又は２Ａは、複数の装置がネットワークを介して互いに連携することにより、各処理機能を実現する構成であってもよい。一例として、映像分析装置２又は２Ａにおいて、映像取得部２２及び出力部２７はＷｅｂサーバ及びアプリケーションサーバ、ＧＰＵ情報取得部２３又は２３Ａ、算出部２４又は２４Ａ、タスク割当部２５、又は、物体認識処理部２６はアプリケーションサーバ、メモリ部２１又は２１ＡはＤＢサーバ、等であってもよい。この場合、Ｗｅｂサーバ、アプリケーションサーバ及びＤＢサーバが、ネットワークを介して互いに連携することにより、映像分析装置２又は２Ａとしての処理機能を実現してもよい。

〔Ｄ〕付記
以上の第１及び第２実施形態に関し、さらに以下の付記を開示する。

（付記１）
温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
処理をコンピュータに実行させる、アクセラレータの制御プログラム。

（付記２）
前記複数のアクセラレータの各々は、消費電力が第２閾値以上になるとクロック周波数が現在のクロック周波数よりも低い第２周波数に設定され、
前記対応関係は、前記処理負荷の処理の実行後の前記アクセラレータの消費電力をさらに含み、
前記コンピュータに、
前記第１の処理を開始する際に、前記複数のアクセラレータの各々について、前記対応関係から、前記第１の処理の実行完了後の消費電力を取得し、
前記対応関係から取得した消費電力が前記第２閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第２周波数に設定した場合の実行時間及び温度を前記対応関係から取得する、
処理を実行させる、付記１に記載の制御プログラム。

（付記３）
前記処理負荷は、前記アクセラレータが前記第１の処理を同時に実行する処理数である、
付記１又は付記２に記載の制御プログラム。

（付記４）
前記処理負荷は、前記アクセラレータの使用率であり、
前記複数のアクセラレータの各々について、前記実行時間と前記温度とを取得する処理は、前記複数のアクセラレータの各々について、前記第１の処理の種類と、前記アクセラレータが現在実行中の処理の種類及び処理数と、処理の種類ごとの使用率を示す情報とに基づき、前記第１の処理を実行する場合の前記アクセラレータの使用率を算出する処理を含む、
付記１又は付記２に記載の制御プログラム。

（付記５）
温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
処理をコンピュータが実行する、アクセラレータの制御方法。

（付記６）
前記複数のアクセラレータの各々は、消費電力が第２閾値以上になるとクロック周波数が現在のクロック周波数よりも低い第２周波数に設定され、
前記対応関係は、前記処理負荷の処理の実行後の前記アクセラレータの消費電力をさらに含み、
前記コンピュータが、
前記第１の処理を開始する際に、前記複数のアクセラレータの各々について、前記対応関係から、前記第１の処理の実行完了後の消費電力を取得し、
前記対応関係から取得した消費電力が前記第２閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第２周波数に設定した場合の実行時間及び温度を前記対応関係から取得する、
処理を実行する、付記５に記載の制御方法。

（付記７）
前記処理負荷は、前記アクセラレータが前記第１の処理を同時に実行する処理数である、
付記５又は付記６に記載の制御方法。

（付記８）
前記処理負荷は、前記アクセラレータの使用率であり、
前記複数のアクセラレータの各々について、前記実行時間と前記温度とを取得する処理は、前記複数のアクセラレータの各々について、前記第１の処理の種類と、前記アクセラレータが現在実行中の処理の種類及び処理数と、処理の種類ごとの使用率を示す情報とに基づき、前記第１の処理を実行する場合の前記アクセラレータの使用率を算出する処理を含む、
付記５又は付記６に記載の制御方法。

（付記９）
温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
制御部を備える、情報処理装置。

（付記１０）
前記複数のアクセラレータの各々は、消費電力が第２閾値以上になるとクロック周波数が現在のクロック周波数よりも低い第２周波数に設定され、
前記対応関係は、前記処理負荷の処理の実行後の前記アクセラレータの消費電力をさらに含み、
前記制御部が、
前記第１の処理を開始する際に、前記複数のアクセラレータの各々について、前記対応関係から、前記第１の処理の実行完了後の消費電力を取得し、
前記対応関係から取得した消費電力が前記第２閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第２周波数に設定した場合の実行時間及び温度を前記対応関係から取得する、
付記９に記載の情報処理装置。

（付記１１）
前記処理負荷は、前記アクセラレータが前記第１の処理を同時に実行する処理数である、
付記９又は付記１０に記載の情報処理装置。

（付記１２）
前記処理負荷は、前記アクセラレータの使用率であり、
前記制御部が、前記複数のアクセラレータの各々について、前記実行時間と前記温度とを取得する処理において、前記複数のアクセラレータの各々について、前記第１の処理の種類と、前記アクセラレータが現在実行中の処理の種類及び処理数と、処理の種類ごとの使用率を示す情報とに基づき、前記第１の処理を実行する場合の前記アクセラレータの使用率を算出する、
付記９又は付記１０に記載の情報処理装置。

１ 映像分析システム
１０ コンピュータ
２、２Ａ 映像分析装置
２ａ スケジューラ
２ｂ ＧＰＵ
２１、２１Ａ メモリ部
２１ａ、２１ｄ 温度テーブル
２１ｂ、２１ｆ ＧＰＵ情報
２１ｃ 機械学習モデル
２１ｅ 使用率テーブル
２２ 映像取得部
２３、２３Ａ ＧＰＵ情報取得部
２４、２４Ａ 算出部
２４０ 使用率算出部
２５ タスク割当部
２６ 物体認識処理部
２７ 出力部
２８ 制御部
３ カメラ
４ 映像データ
５ 認識結果

Claims (6)

1. 温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
   第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
   前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
   前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
   処理をコンピュータに実行させる、アクセラレータの制御プログラム。
2. 前記複数のアクセラレータの各々は、消費電力が第２閾値以上になるとクロック周波数が現在のクロック周波数よりも低い第２周波数に設定され、
   前記対応関係は、前記処理負荷の処理の実行後の前記アクセラレータの消費電力をさらに含み、
   前記コンピュータに、
   前記第１の処理を開始する際に、前記複数のアクセラレータの各々について、前記対応関係から、前記第１の処理の実行完了後の消費電力を取得し、
   前記対応関係から取得した消費電力が前記第２閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第２周波数に設定した場合の実行時間及び温度を前記対応関係から取得する、
   処理を実行させる、請求項１に記載の制御プログラム。
3. 前記処理負荷は、前記アクセラレータが前記第１の処理を同時に実行する処理数である、
   請求項１又は請求項２に記載の制御プログラム。
4. 前記処理負荷は、前記アクセラレータの使用率であり、
   前記複数のアクセラレータの各々について、前記実行時間と前記温度とを取得する処理は、前記複数のアクセラレータの各々について、前記第１の処理の種類と、前記アクセラレータが現在実行中の処理の種類及び処理数と、処理の種類ごとの使用率を示す情報とに基づき、前記第１の処理を実行する場合の前記アクセラレータの使用率を算出する処理を含む、
   請求項１又は請求項２に記載の制御プログラム。
5. 温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
   第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
   前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
   前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
   処理をコンピュータが実行する、アクセラレータの制御方法。
6. 温度が第１閾値以上になるとクロック周波数が第１周波数に設定される複数のアクセラレータの各々について、所定のクロック周波数ごとに予め生成された対応関係であって、処理負荷に応じた実行時間と、前記処理負荷の処理の実行前後の前記アクセラレータの温度差との前記対応関係を取得し、
   第１の処理を開始する際に、前記複数のアクセラレータの各々について、現在の処理負荷に関する情報と、現在のクロック周波数と、現在の温度とに基づき、前記対応関係から、前記第１の処理を実行させた場合の実行時間と、前記第１の処理の実行完了後の温度とを取得し、
   前記取得した温度が前記第１閾値以上であるアクセラレータが存在する場合、当該アクセラレータについて取得した実行時間及び温度に代えて、当該アクセラレータのクロック周波数を前記第１周波数に設定した場合の実行時間及び温度を前記対応関係から取得し、
   前記取得した実行時間が前記第１の処理の制限時間内である１以上のアクセラレータのうちの、前記取得した温度が所定の条件を満たすアクセラレータに、前記第１の処理を実行させる、
   制御部を備える、情報処理装置。

Images