-
公开(公告)号：CN114244708B
公开(公告)日：2023-08-08
申请号：CN202110452524.4
申请日：2021-04-26
Applicant: 无锡江南计算技术研究所
IPC: H04L41/0823 , H04L41/12 , H04L41/083 , H04L41/0896
Abstract: 本发明公开一种胖树网络结构上的通信优化方法，包括以下步骤：S1、假设每个超节点包含的节点数量为N，根据裁剪胖树裁剪比例1/X，计算每个超节点同时通信的最大进程数M=N*（1/X），M为同时通信时，理论上能用满带宽的超节点内最大进程数；S2、根据课题的通信方式，得到课题需要同时通信的进程数量K；S3、若K小于超节点内节点数量，将每个超节点按照K个进程为1组，分为若干组，转S；S4、按超节点内的组号和组内编号，结合具体的路由规则，对超节点进行逻辑编号；S5、按照新的逻辑编号和课题特征，依次进行组内和组间通信。本发明实现了应用课题和系统的结合，显著提高了课题的带宽利用率，充分发挥了系统的网络性能。
-
公开(公告)号：CN112559197B
公开(公告)日：2022-11-15
申请号：CN201910852525.0
申请日：2019-09-10
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种基于异构众核处理器的卷积计算数据重用方法，CPU通过数据块A和数据块B完成数据块C的卷积计算，包括以下步骤：S1、根据异构众核处理器的内核数，二维映射成N*N个，将数据块A、数据块B、数据块C划分为N*N块，第（i，j）号内核将第（j，i）块数据从内存读取到自己的片上存储器内，数据块C（i，j）的卷积计算需要数据块A（i，k）和数据块B（k，j），其中k=1，2，……，N；S2、进入循环k，循环次数从1到N，共N次，利用得到的数据块A、数据块B完成数据块C的第K次卷积计算。本发明显著降低卷积计算在异构众核处理器上的内存访存需求，充分发挥众核计算能力，从而实现卷积计算高性能，提升其在异构众核处理器上的计算性能。
-
公开(公告)号：CN114244708A
公开(公告)日：2022-03-25
申请号：CN202110452524.4
申请日：2021-04-26
Applicant: 无锡江南计算技术研究所
IPC: H04L41/0823 , H04L41/12 , H04L41/083 , H04L41/0896
Abstract: 本发明公开一种胖树网络结构上的通信优化方法，包括以下步骤：S1、假设每个超节点包含的节点数量为N，根据裁剪胖树裁剪比例1/X，计算每个超节点同时通信的最大进程数M=N*（1/X），M为同时通信时，理论上能用满带宽的超节点内最大进程数；S2、根据课题的通信方式，得到课题需要同时通信的进程数量K；S3、若K小于超节点内节点数量，将每个超节点按照K个进程为1组，分为若干组，转S；S4、按超节点内的组号和组内编号，结合具体的路由规则，对超节点进行逻辑编号；S5、按照新的逻辑编号和课题特征，依次进行组内和组间通信。本发明实现了应用课题和系统的结合，显著提高了课题的带宽利用率，充分发挥了系统的网络性能。
-
公开(公告)号：CN114239669A
公开(公告)日：2022-03-25
申请号：CN202110398219.1
申请日：2021-04-14
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种异构众核架构上基于算子融合的数据复用方法，将DNN算子库中依次调用的至少两个算子A、B进行功能融合，获得融合算子C，执行以下操作：S1、融合算子C从主存中读取数据到局存中，并将读取的数据作为算子A的输入；S2、算子A将获取的数据作为输入，进行相应的运算，完成算子A的功能计算，此时算子A将结果保留在局存中不写回主存；S3、算子A将局存中的计算结果传递给算子B，作为算子B的输入；S4、算子B将来自算子A的数据作为输入；S5、算子B完成运算后，将最终的计算结果从局存写回主存；S6、算子C运算结束。本发明极大减少了内存访问次数，提高了数据的复用率，综合提升了可融合算子的效率。
-
公开(公告)号：CN105446840B
公开(公告)日：2019-02-12
申请号：CN201510827235.2
申请日：2015-11-24
Applicant: 无锡江南计算技术研究所
IPC: G06F11/22 , G06F11/263
Abstract: 本发明提供了一种Cache一致性极限测试方法，包括：执行Cache的规模和结构配置，其中根据Cache大小、Cache行长度、相连路组的数量以及一致性策略，确定Cache一致性极限测试的粒度、访存顺序和访存的Cache入口地址，而不遍历整个Cache；设置用于精确错误定位的初始值和数据还原运算，其中采用地址作为初始值，数据还原操作采用拍数最少的移位运算；设置多粒度高密度访存方式，其中使得Cache的操作以Cache行为单位，不同的处理器以并行进程同时或交替对同一个Cache行进行访存；设置与系统相关的Cache协议验证。
-
Patent Agency Ranking
公开(公告)号：CN109117288A
公开(公告)日：2019-01-01
申请号：CN201810928707.7
申请日：2018-08-15
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种低延迟旁路的消息优化方法，该方法采用旁路方式，对于满足一定长度要求的用户消息请求，采用快速旁路方式处理，减少用户函数到底层消息操作的调用层次；同时，不在通信支撑环境中对用户消息数据以及包头进行组包操作，而是将这些信息直接写入网络接口芯片的短快消息通路条目中，减少硬件读取描述符并访问用户数据的传输启动开销。本发明能够充分利用底层硬件的短快消息通路，在降低硬件处理开销的同时，从软件层面尽量减少消息数据的启动和处理开销，有效降低短消息通信延迟。
-
公开(公告)号：CN107168683A
公开(公告)日：2017-09-15
申请号：CN201710310445.3
申请日：2017-05-05
Applicant: 中国科学院软件研究所 , 无锡江南计算技术研究所
Abstract: 本发明公开了国产申威26010众核CPU上GEMM稠密矩阵乘高性能实现方法，针对国产申威众核处理器26010，并基于存储结构、访存、硬件流水线以及寄存器级通信机制等平台特性，优化矩阵分块与核间数据映射方法，设计了自顶向下的三级分块并行块矩阵乘算法，基于寄存器级通信机制设计从核计算资源数据共享方法，并利用主从核间异步DMA数据传输机制，设计了计算与访存重叠的双缓冲策略，在单个从核上，设计了循环展开策略与软件流水线排布方法，使用了高效的寄存器分块模式以及SIMD向量化乘加指令，实现函数优化。该高性能GEMM函数性能与单核开源BLAS数学库GotoBLAS相比，平均加速比为227.94，最高加速比为296.93。
-
公开(公告)号：CN105446840A
公开(公告)日：2016-03-30
申请号：CN201510827235.2
申请日：2015-11-24
Applicant: 无锡江南计算技术研究所
IPC: G06F11/22 , G06F11/263
CPC classification number: G06F11/2205 , G06F11/2247 , G06F11/2294 , G06F11/263
Abstract: 本发明提供了一种Cache一致性极限测试方法，包括：执行Cache的规模和结构配置，其中根据Cache大小、Cache行长度、相连路组的数量以及一致性策略，确定Cache一致性极限测试的粒度、访存顺序和访存的Cache入口地址，而不遍历整个Cache；设置用于精确错误定位的初始值和数据还原运算，其中采用地址作为初始值，数据还原操作采用拍数最少的移位运算；设置多粒度高密度访存方式，其中使得Cache的操作以Cache行为单位，不同的处理器以并行进程同时或交替对同一个Cache行进行访存；设置与系统相关的Cache协议验证。
-
公开(公告)号：CN117394863A
公开(公告)日：2024-01-12
申请号：CN202311403458.7
申请日：2023-10-26
Applicant: 无锡江南计算技术研究所
Abstract: 本申请涉及一种面向众核处理器的压缩感知稀疏重构加速方法。所述方法包括：获取待采样数据的待采样信号，并确定待采样信号的初始稀疏向量；当对待采样信号进行压缩感知时，从内存读取第一测量矩阵和第二测量矩阵，对第一测量矩阵和第二测量矩阵进行张量积运算，生成测量矩阵，其中，测量矩阵为克罗内克结构；根据生成的测量矩阵对初始稀疏向量进行迭代更新，直至满足终止阈值条件，得到目标稀疏向量，以实现待采样信号的压缩感知稀疏重构。采用本方法可以减轻信号处理过程中内存的负担，提高压缩感知的运行效率和数据处理速率，灵活处理数据，具有可扩展性。
-
公开(公告)号：CN114253705A
公开(公告)日：2022-03-29
申请号：CN202110381442.5
申请日：2021-04-09
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种处理器性能筛选方法，包括以下步骤：将待筛选的处理器划分为n个子集；判断性能筛选是否完成；将处理器Pij的性能记为Aij；将子集i内所有处理器的性能值收集到根节点r，作为待分类的样本；选取分类数k，设置分类终止条件为k_thres；对于每个样本Aij，计算其到每个初始质心的欧式距离；S8、对于每个类别t，重新计算属于该类别的样本S[t]的平均值；对于每个类别t，将经过本轮筛选后剩余的处理器作为待筛选处理器，累加筛选总时间或筛选轮次，回到S1。本发明灵活性强、鲁棒性好，显著减少人为干预、利于筛片自动化，降低筛片人员工作负担和误操作可能，有助于提高筛片效率和效果。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.034 seconds)
