[发明专利]一种基于近阈值计算的处理器核优化方法及系统有效
申请号: | 201910449741.0 | 申请日: | 2019-05-28 |
公开(公告)号: | CN110197026B | 公开(公告)日: | 2023-03-31 |
发明(设计)人: | 王晶;梁伟伟;张伟功 | 申请(专利权)人: | 首都师范大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F111/04 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 程华 |
地址: | 100048 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 阈值 计算 处理器 优化 方法 系统 | ||
1.一种基于近阈值计算的处理器核优化方法,其特征在于,包括:
获取多组电压-近似程度数据组;每个所述电压-近似程度数据组均包括一个电压和对应的近似程度值;
将所述多组所述电压-近似程度数据组作为性能预测器的输入,采用近似计算方法得到每组所述电压-近似程度数据组对应的性能预测值
IPSi=Avi+ΔIPSi,
其中,vi表示第i组电压-近似程度数据组中的电压,A为常量,A取决于处理器核的配置和处理器核上执行的应用程序,ΔIPSi表示近似计算方法对性能的影响程度;
将所述多组所述电压-近似程度数据组作为能耗预测器的输入,采用近似计算方法得到每组所述电压-近似程度数据组对应的能耗预测值
Energyi=(βivi)2C+(βivi)2miD,
其中,βi表示第i组电压-近似程度数据组对应的一个0到1之间的常数,βi取决于用户对电压的需求程度,C表示常量,C取决于处理器核的配置表示常量,mi表示第i组电压-近似程度数据组中的近似程度值,D是取决于近似计算方法对能耗的影响程度;
将所述多组所述电压-近似程度数据组作为输出质量预测器的输入,采用近似计算方法和故障注入法得到每组所述电压-近似程度数据组对应的输出质量预测值;
构建目标优化函数;
将所有电压-近似程度数据组对应的性能预测值、能耗预测值和输出质量预测值作为输入,采用模拟退火算法对所述目标优化函数进行求解,得到最优电压-近似程度数据组;
将所述最优电压-近似程度数据组中的电压确定为近阈值计算状态下的最优电压,所述最优电压-近似程度数据组中的近似程度值作为最优近似程度;所述处理器核运行在所述最优电压和所述最优近似程度下。
2.根据权利要求1所述的一种基于近阈值计算的处理器核优化方法,其特征在于,所述将所述多组所述电压-近似程度数据组作为输出质量预测器的输入,采用近似计算方法和故障注入法得到每组所述电压-近似程度数据组对应的输出质量预测值,具体包括:
将所述多组所述电压-近似程度数据组作为输出质量预测器的输入,对所述处理器核上执行的应用程序中的指令进行分类,得到多个指令类别;每个所述指令类别包括多个传播路径相似的指令;
采用近似计算方法对各所述指令类别进行抽样,得到多个抽样指令;
采用故障注入法对各所述抽样指令注入故障,得到抽样故障指令;
依据各所述抽样指令和对应抽样故障指令,计算误差值;所述误差值包括抽样指令输出与对应的抽样故障指令输出的最大聚堆误差值、抽样指令输出与对应的抽样故障指令输出的相对误差的最大值以及抽样指令输出与对应的抽样故障指令输出的矩阵误差;
依据所述误差值得到每组所述电压-近似程度数据组对应的输出质量预测值。
3.根据权利要求2所述的一种基于近阈值计算的处理器核优化方法,其特征在于,所述采用故障注入法对各所述抽样指令注入故障,得到抽样故障指令,具体包括:
构建故障注入平台;所述故障注入平台上集成调试控制软件、故障注入软件、硬件仿真器和仿真背板;
采用所述故障注入平台对各所述抽样指令注入故障,得到抽样故障指令。
4.根据权利要求1所述的一种基于近阈值计算的处理器核优化方法,其特征在于,所述构建目标优化函数,具体包括:
构建将性能参数作为目标,能耗参数和输出质量参数作为约束条件的函数;所述函数为目标优化函数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于首都师范大学,未经首都师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910449741.0/1.html,转载请声明来源钻瓜专利网。