摘要
本发明提供了一种面向HPC程序的性能预测方法及系统,其中,该方法包括以下步骤:对每个GPU线程记录其在多个条件分支上的执行事件,生成特征向量;所述特征向量包含执行时间向量、分支复杂度向量和执行标志向量;将所述特征向量进行汇总和压缩,生成波前级别的综合特征;将所有波前级别的综合特征进行汇总,构建出整个GPU任务的特征矩阵;利用所述特征矩阵训练性能预测模型;利用已训练好的性能预测模型对新的GPU任务进行性能预测。本发明通过构建分支行为特征矩阵,并结合多层感知机(MLP)模型进行训练和推理,在不执行完整计算代码的前提下,准确预测GPU任务批次的运行时间。
技术关键词
性能预测模型
复杂度
性能预测方法
分支
生成特征向量
多层感知机
标志
矩阵
性能预测系统
指标
程序
模块
频率
指令
关系
度量
内存
决策
索引
数据
系统为您推荐了相关专利信息
文档版面分析方法
扫描文档图像
分支
多尺度信息
编码器特征
汽轮机叶片
多通道特征融合
故障诊断方法
故障诊断模型
卷积模块
信号检测方法
传输路径
多普勒
时间域
输入输出关系
激光雷达图像
融合分类方法
深度网络模型
分支
邻域
迭代重建方法
滤波反投影重建
CT成像
迭代重建图像
图像空间分辨率