一种异构GPU集群负载感知的显存重计算优化方法及系统

    公开(公告)号:CN115437795B

    公开(公告)日:2023-03-24

    申请号:CN202211386085.2

    申请日:2022-11-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种异构GPU集群负载感知的显存重计算优化方法及系统,针对异构GPU集群环境下流水线训练显存需求,刻画出其训练执行过程中计算时间、GPU显存总量、显存占用等相应指标,并将其作为负载感知的显存重计算优化方法的输入,建立显存重计算优化模型,计算各GPU上显存负载百分比,确定所有阶段中显存负载最高的阶段,根据最小化显存开销算法进行重计算优化,保证各阶段负载均衡,提升整体吞吐率,本发明提出最小化负载最高阶段显存开销算法与平衡异构GPU各阶段开销算法,减少异构GPU集群环境下流水线训练的显存占用,同时最小化显存优化开销,更好地支持大模型的训练。

    一种异构GPU集群负载感知的显存重计算优化方法及系统

    公开(公告)号:CN115437795A

    公开(公告)日:2022-12-06

    申请号:CN202211386085.2

    申请日:2022-11-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种异构GPU集群负载感知的显存重计算优化方法及系统,针对异构GPU集群环境下流水线训练显存需求,刻画出其训练执行过程中计算时间、GPU显存总量、显存占用等相应指标,并将其作为负载感知的显存重计算优化方法的输入,建立显存重计算优化模型,计算各GPU上显存负载百分比,确定所有阶段中显存负载最高的阶段,根据最小化显存开销算法进行重计算优化,保证各阶段负载均衡,提升整体吞吐率,本发明提出最小化负载最高阶段显存开销算法与平衡异构GPU各阶段开销算法,减少异构GPU集群环境下流水线训练的显存占用,同时最小化显存优化开销,更好地支持大模型的训练。

    基于多域物理层指纹特征的Wi-Fi设备识别系统及方法

    公开(公告)号:CN115664905A

    公开(公告)日:2023-01-31

    申请号:CN202211272403.2

    申请日:2022-10-18

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多域物理层指纹特征的Wi‑Fi设备识别系统及方法,包括信号采集与处理模块、特征提取模块及指纹识别模块,信号采集与处理模块利用USRP采集无线电信号,经USRP解调后的复数基带信号的采样信号作为无线接收机输入,软件解调后,采样信号被解码至数据链路层,输出帧数据;特征提取模块对帧数据进行信号处理与特征提取,提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征;指纹识别模块基于提取的特征进行分类模型训练,根据特征的维度及特征间的相关性选择最佳的分类模型,将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型,进行设备的指纹匹配,实现设备的识别,大幅度提升Wi‑Fi设备指纹识别的准确率和效率。

Patent Agency Ranking