公开(公告)号：CN110377525B

公开(公告)日：2022-11-15

申请号：CN201910680598.6

申请日：2019-07-25

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  何慧 ,  王一名 ,  郝萌

IPC: G06F11/36

Abstract: 一种基于运行时特征和机器学习的并行程序性能预测系统，属于并行程序性能预测的技术领域。本发明为了解决基于机器学习的并行程序性能预测系统存在开销比较大、预测时间长，而且准确率较低的问题。对原始程序进行混合插桩，减少基本块计数器，然后将程序删减成没有输入结果的串行程序，减少程序的运行时间的同时保留程序执行的流程，准确快速地获取到基本块频率，预处理这些数据，输入预测模型中，最后输出大规模并行程序的执行时间。本发明生成的模型具有很强的泛化能力，能够准确地预测大规模并行程序的执行时间，并且预测开销很小。

公开(公告)号：CN113448425B

公开(公告)日：2022-09-09

申请号：CN202110810963.8

申请日：2021-07-19

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  王一名 ,  郝萌 ,  何慧 ,  鲁刚钊 ,  王法瑞 ,  方滨兴

IPC: G06F1/3234 ,  G06F9/50 ,  G06N20/00

Abstract: 一种基于强化学习的动态并行应用程序能耗运行时优化方法及系统，属于并行程序能耗优化技术领域，目的是自动地优化并行应用程序的能耗，并且不需要领域专家知识，对程序是透明的。本发明的技术要点包括：程序的阶段根据工作负载的特征，分为计算密集阶段和内存密集阶段，根据应用程序不同的实时工作负载特征，动态调整处理器功率配置，使硬件功率配置文件与运行时动态变化的程序阶段匹配；通过强化学习算法自动探索功率配置空间，根据环境反馈的奖惩信息，不断优化配置空间；最后，根据自动学习到的策略动态调整功率配置以匹配不断变化的程序阶段。本发明实现了自动且动态的并行程序

公开(公告)号：CN110377525A

公开(公告)日：2019-10-25

申请号：CN201910680598.6

申请日：2019-07-25

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  何慧 ,  王一名 ,  郝萌

IPC: G06F11/36

Abstract: 一种基于运行时特征和机器学习的并行程序性能预测系统，属于并行程序性能预测的技术领域。本发明为了解决基于机器学习的并行程序性能预测系统存在开销比较大、预测时间长，而且准确率较低的问题。对原始程序进行混合插桩，减少基本块计数器，然后将程序删减成没有输入结果的串行程序，减少程序的运行时间的同时保留程序执行的流程，准确快速地获取到基本块频率，预处理这些数据，输入预测模型中，最后输出大规模并行程序的执行时间。本发明生成的模型具有很强的泛化能力，能够准确地预测大规模并行程序的执行时间，并且预测开销很小。

公开(公告)号：CN116909378A

公开(公告)日：2023-10-20

申请号：CN202310747721.8

申请日：2023-06-25

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  王一名 ,  郝萌 ,  何慧

IPC: G06F1/324 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/092

Abstract: 本发明公开了一种基于深度强化学习的GPU动态能源效率优化运行时方法及系统，涉及效率优化技术领域。本发明的技术要点包括：将GPU中应用程序工作负载的环境状态当作优先经验回放的双深度Q网络的状态，将GPU功率配置当作优先经验回放的双深度Q网络的动作，训练基于优先经验存储双深度Q网络的GPU动态能源效率优化模型；双深度Q网络的当前Q网络用于选择最优的GPU频率配置，目标Q网络用于评估选择的最优GPU频率配置对能源效率的影响；从训练得到的效率优化模型中为当前状态选择最佳的GPU功率封顶配置调整能耗。本发明使得动态调整的功率配置能够在不显著影响程序执行时间的情况下降低GPU的能耗，实现了动态自动的GPU处理器的能源效率优化。

公开(公告)号：CN113448425A

公开(公告)日：2021-09-28

申请号：CN202110810963.8

申请日：2021-07-19

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  王一名 ,  郝萌 ,  何慧 ,  鲁刚钊 ,  王法瑞 ,  方滨兴

IPC: G06F1/3234 ,  G06F9/50 ,  G06N20/00

Abstract: 一种基于强化学习的动态并行应用程序能耗运行时优化方法及系统，属于并行程序能耗优化技术领域，目的是自动地优化并行应用程序的能耗，并且不需要领域专家知识，对程序是透明的。本发明的技术要点包括：程序的阶段根据工作负载的特征，分为计算密集阶段和内存密集阶段，根据应用程序不同的实时工作负载特征，动态调整处理器功率配置，使硬件功率配置文件与运行时动态变化的程序阶段匹配；通过强化学习算法自动探索功率配置空间，根据环境反馈的奖惩信息，不断优化配置空间；最后，根据自动学习到的策略动态调整功率配置以匹配不断变化的程序阶段。本发明实现了自动且动态的并行程序能耗优化，并且该运行时优化系统的开销可以忽略不计。