[发明专利]对已知工作负载模式的检测

说明书

描述了用于在功率管理堆栈的不同级别应用机器学习(ML)技术来进行功率管理的机制和方法。一种装置可包括第一电路、第二电路和第三电路。第一电路可具有多个存储器寄存器。第二电路可操作来基于在预定长度的时间范围内的一个或多个时间取得的多个存储器寄存器的值的样本来建立多个特征的值。第三电路可操作来将多个特征与参考工作负载的多个所学参数进行比较。

优先权要求

本申请要求2019年3月29日递交的标题为“Detection of Known WorkloadPatterns”的美国专利申请No.16/369,643的优先权，该美国专利申请被通过引用完全并入，用于所有目的。

背景技术

片上系统(system-on-chip，SoC)设计的工作负载检测可基于加载。同时，功率管理状态管控可包括与操作期间的电压、频率或两者的优化有关的性能状态的管控。为了应对某些类型的工作负载，功率管理状态管控可侦听操作系统(operating system，OS)事件，和/或可基于负载模式变化作出反应。

然而，两个工作负载可能要求不同的频率选择，即使在一些时间窗口中负载似乎是相同的。此外，由于其他可能的背景活动，同一工作负载在同一时间窗口可能有一个以上的模式。因此，这种方法的通用性可能比理想的要差。

附图说明

从以下给出的详细描述和从本公开的各种实施例的附图中将更充分理解本公开的实施例。然而，虽然附图会辅助说明和理解，但它们只是辅助，而不应当被理解为将本公开限制到其中描绘的具体实施例。

图1根据本公开的一些实施例图示了使用T型分布随机邻域嵌入(t-SNE)的二维空间中的各种工作负载的表示。

图2根据本公开的一些实施例图示了基于机器学习(ML)的功率管理技术在功率管理堆栈的各种级别可采取的功率管理动作。

图3根据本公开的一些实施例图示了包含用于在功率管理堆栈的不同级别应用ML技术进行功率管理的电路的设计。

图4根据本公开的一些实施例图示了用于在功率管理堆栈的不同级别应用ML技术进行功率管理的方法。

图5根据本公开的一些实施例图示了具有用于在功率管理堆栈的不同级别应用机器学习(ML)技术进行功率管理的机制的计算设备。

具体实施方式

在接下来的描述中，论述了许多细节以提供对本公开的实施例的更透彻说明。然而，本领域技术人员将会清楚，没有这些具体细节也可实现本公开的实施例。在其他情况下，以框图形式而不是详细示出公知的结构和设备，以避免模糊本公开的实施例。

注意，在实施例的相应附图中，信号以线条表示。一些线条可能更粗，以指示更大数目的构成信号路径，和/或在一端或多端具有箭头，以指示信息流的方向。这种指示并不打算是限制性的。更确切地说，这些线条与一个或多个示范性实施例被联合使用来帮助更容易理解电路或逻辑单元。由设计需要或偏好决定的任何表示的信号可实际上包括可在任一方向上行进并且可利用任何适当类型的信号方案实现的一个或多个信号。

在整个说明书各处，以及在权利要求中，术语“连接”的意思是连接的事物之间的直接电连接、机械连接或磁连接，没有任何中间装置。术语“耦合”的意思是连接的事物之间的直接电连接、机械连接或磁连接，或者通过一个或多个无源或有源中间装置的间接连接。术语“电路”或“模块”可以指被布置为与彼此合作来提供期望的功能的一个或多个无源和/或有源组件。术语“信号”可以指至少一个电流信号、电压信号、磁信号或者数据/时钟信号。“一”和“该”的含义包括多数指代。“在…中”的含义包括“在…中”和“在…上”。