[發明專利]用于優化線程調度的方法、系統、制品和裝置

在審

• 申請號: 202011012567.2
• 申請日: 2020-09-23
• 公開（公告）號: CN112988342A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 倫吉·托馬斯;克里斯·賓斯;彼得羅·梅爾卡蒂;朱建芳;阿什拉夫·H·瓦達;邁克爾·基希涅夫斯基;艾哈邁德·沙姆斯
• 申請（專利權）人: 英特爾公司
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06N20/00
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 陳蒙

本公開涉及用于優化線程調度的方法、系統、制品和裝置。一種裝置，包括：模型，用于基于目標系統的折衷指示值來生成線程調度策略的經調整的調諧參數；以及工作負載監控器，用于執行以下操作：基于線程調度策略執行工作負載；基于工作負載的執行從目標系統獲得性能分數和功率分數，性能分數和功率分數對應于折衷指示值；將折衷指示值與標準進行比較；以及基于比較，啟動模型以重新調整經調整的調諧參數。

相關申請

本專利源于2019年12月2日提交的美國臨時專利申請No.62/942,619的美國非臨時專利申請，美國臨時專利申請No.62/942,619的全部內容通過引用合并于此。在此要求美國臨時專利申請No.62/942,619的優先權。

技術領域

本公開總體涉及計算設備，并且更具體地，涉及用于優化線程調度的方法、系統、制品和裝置。

背景技術

包括機器學習(ML，machine learning)、深度學習(DL，deep learning)和/或其他人工機器驅動邏輯的人工智能(AI，artificial intelligence)使機器(例如，計算機、邏輯電路等)能夠使用模型來處理輸入數據，以基于模型先前經由訓練過程學習的模式和/或關聯來生成輸出。例如，可以用數據來訓練模型以識別模式和/或關聯，并且在處理輸入數據時遵循這樣的模式和/或關聯，使得(一個或多個)其他輸入產生與所識別的模式和/或關聯一致的(一個或多個)輸出。

發明內容

根據本公開實施例的第一方面，提供了一種裝置，包括：模型，用于基于目標系統的折衷指示值來生成線程調度策略的經調整的調諧參數；以及工作負載監控器，用于執行以下操作：基于所述線程調度策略執行工作負載；基于所述工作負載的執行從所述目標系統獲得性能分數和功率分數，所述性能分數和所述功率分數對應于折衷指示值；將所述折衷指示值與標準進行比較；以及基于所述比較，啟動所述模型以重新調整所述經調整的調諧參數。

根據本公開實施例的第二方面，提供了一種方法，包括：基于目標系統的折衷指示值來生成線程調度策略的經調整的調諧參數；以及基于所述線程調度策略執行工作負載；基于所述工作負載的執行從所述目標系統獲得性能分數和功率分數，所述性能分數和所述功率分數對應于折衷指示值；將所述折衷指示值與標準進行比較；以及基于所述比較，啟動模型以重新調整所述經調整的調諧參數。

根據本公開實施例的第三方面，提供了至少一種計算機可讀介質，包括指令，所述指令在被執行時使至少一個處理器執行根據第三方面所述的方法。

根據本公開實施例的第四方面，提供了一種裝置，包括：生成裝置，用于基于目標系統的折衷指示值來生成線程調度策略的經調整的調諧參數；以及處理裝置，用于執行以下操作：基于所述線程調度策略執行工作負載；基于所述工作負載的執行從所述目標系統獲得性能分數和功率分數，所述性能分數和所述功率分數對應于折衷指示值；將所述折衷指示值與標準進行比較；以及基于所述比較，啟動模型以重新調整所述經調整的調諧參數。

附圖說明

圖1是根據本公開的教導構造的用于優化示例目標系統的線程調度的示例調諧系統的框圖。

圖2是圖1的目標系統的示例實現方式的框圖。

圖3是圖1的調諧引擎的示例實現方式的框圖。

圖4是示出圖1的調諧系統的性能和功率之間的折衷(tradeoff)的示例研究結果的曲線圖。

圖5是表示可以被執行以實現圖1的示例折衷指示控制器的示例機器可讀指令的流程圖。

圖6是表示可以被執行以實現圖1和/或圖3的示例調諧引擎的示例機器可讀指令的流程圖。

圖7是被構造為執行圖5和/或圖6的指令以實現圖1的示例調諧系統的示例處理平臺的框圖。