公开(公告)号：CN119759341A

公开(公告)日：2025-04-04

申请号：CN202411820162.X

申请日：2024-12-11

Applicant: 中国科学院软件研究所

Inventor： 张飞 ,  于佳耕 ,  武延军 ,  杨旺 ,  刘雨冬 ,  宫小飞

IPC: G06F8/36 ,  G06F9/30

Abstract: 本发明公开一种面向RISC‑V的PyTorch向量库优化方法、系统及PyTorch向量库应用方法，属于计算机软件技术领域。所述面向RISC‑V的PyTorch向量库优化方法包括：确定宿主机支持的RISC‑V向量位宽；基于RISC‑V向量位宽，开启对应的向量扩展编译选项，以在PyTorch框架中新增RVV dispatch调度机制并封装RVV向量数据类型之后，实现面向RISC‑V的PyTorch向量库。本发明利用RISC‑V向量扩展了Pytorch向量库，从而提高深度学习和机器学习应用中的数据处理效率。

公开(公告)号：CN117453502A

公开(公告)日：2024-01-26

申请号：CN202311400085.8

申请日：2023-10-26

Applicant: 中国科学院软件研究所

Inventor： 徐天宇 ,  邰阳 ,  杨旺 ,  于佳耕 ,  武延军

IPC: G06F11/34 ,  G06F11/36

Abstract: 本发明公开了一种跨架构的细粒度操作系统性能异常挖掘方法和装置。该方法主要包括性能数据获取和异常检测分析两部分。在性能数据获取阶段，首先要挑选硬件规格尽可能相似而架构不同的硬件板卡，在相同的基础软件版本以及选项配置上进行测试，选用架构之间通用的性能评估硬件指标，获取各个上下文中函数对应的事件数，然后进行跨架构的上下文匹配对比，获取上下文跨架构相对性能差异。在异常检测分析阶段，将不同的异常检测算法应用于上下文相对性能差异数据点上，根据检测结果的平均确定异常率，挑选出在场景中最为合适的异常检测算法，根据其结果中的上下文调用栈，进行后续的深入代码中的架构差异挖掘。