首页 / 专利库 / 人工智能 / 关联性分析 / 一种基于算法特征的SIMT系统

一种基于算法特征的SIMT系统

阅读:8发布:2020-05-11

专利汇可以提供一种基于算法特征的SIMT系统专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种基于 算法 特征的SIMT系统,该系统包括SIMT 硬件 结构约束模 块 (1)、算法多线程任务分解模块(2)、单线程任务树的生成模块(3)、任务变量特征提取模块(4)、任务控制特征提取模块(5)、变量的存储映射模块(6)和高效算法实现模块(7)。该系统为复杂算法在SIMT结构上的程序设计提供了有效的解决方案,该系统能够快速、高效的指导算法设计,保证算法实现在SIMT结构上执行的高性能和高可靠性。,下面是一种基于算法特征的SIMT系统专利的具体信息内容。

1.一种基于算法特征的SIMT系统,其特征在于,所述系统包括SIMT硬件结构约束模(1)、算法多线程任务分解模块(2)、单线程任务树的生成模块(3)、任务变量特征提取模块(4)、任务控制特征提取模块(5)、变量的存储映射模块(6)和高效算法实现模块(7)。
2.根据权利要求1所述的基于算法特征的SIMT系统,其特征在于,所述SIMT硬件结构约束模块(1)根据SIMT硬件结构本身,对软件设计提出一系列约束条件,所述约束条件包括可支持的数据类型,基本操作库,存储模型,线程数量和指令集;
所述基本操作库用于限制SIMT支持的操作;
所述存储模型用于对数据的存储映射产生影响;
所述线程数量用于限制单次可处理的最大任务量;
所述指令集影响指令的选取及优化。
3.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述算法多线程任务分解模块(2),基于SIMT硬件结构约束模块(1)中的线程数量,将输入的复杂算法任务进行分解,构造多线程任务,多个线程并行执行,处理多个数据任务,多个线程共用一套指令程序,任务分解完成后,输出到(3)单线程任务的生成模块。
4.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述单线程任务树的生成模块(3),用于接收(2)多线程任务分解模块输出的多个线程,针对单一线程,结合SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,构造数据流图,生成变量树,为变量特征提取模块(4)和控制特征提取模块(5)提供依据。
5.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述任务变量特征提取模块(4),基于SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,存储模型,对变量类型、变量关联性及变量的生命周期进行重点分析;
所述变量类型是指确定变量包括浮点、定点、向量和整型中的一种或多种;
所述变量关联性是指变量和变量之间的关联;
所述变量的生命周期是指变量在整个任务执行过程中的有效期。
6.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述任务控制特征提取模块(5),基于SIMT硬件结构约束模块(1)中的基本操作库和存储模型,根据单线程变量树生成模块(3)所得的变量树,确定当前任务的流程控制结构、公共操作以及输入和输出变量;
所述流程控制结构包括顺序结构、分支结构和循环结构;
所述公共操作为提取出当前任务可以先行计算的公共操作。
7.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述变量的存储映射模块(6),基于SIMT硬件结构约束模块(1)中的存储模型,根据变量特征提取模块(4)和控制特征提取模块(5)所得结果,将变量映射到SIMT的存储结构中,分别确定全局变量、常量、局部变量、输入变量和输出变量的存储地址、大小、访问方式。
8.根据权利要求2所述的基于算法特征的SIMT系统,其特征在于,所述高效算法实现模块(7)基于SIMT硬件结构约束模块(1)中的指令集限制,根据控制特征提取模块(5)以及变量的存储映射模块(6)的结果,实现汇编代码的编写。
9.根据权利要求8所述的基于算法特征的SIMT系统,其特征在于,所述高效算法实现模块(7)包括如下单元:选取最优指令单元、指令排布单元和寄存器约束约束单元。

说明书全文

一种基于算法特征的SIMT系统

技术领域

[0001] 本发明属于计算机应用领域,涉及一种基于算法特征的SIMT系统。

背景技术

[0002] 随着视频图像处理大数据人工智能计算等应用需求的增长,数据量级无限增加,越来越多的处理器采用了SIMT结构,如何设计软件,将以上应用中涉及的复杂算法正确、高效、稳定的运行在SIMT结构上,成为这些热应用可实施化的关键因素,但是,已公开资料中,尚未发现有关基于算法特征的SIMT系统。

发明内容

[0003] 发明目的:本发明的目的是提供一种基于算法特征的SIMT系统,面对图像处理、大数据、人工智能、云计算等应用需求中的复杂算法,能够快速、高效的指导算法设计,保证算法实现在SIMT结构上执行的高性能和高可靠性。
[0004] 技术方案:本发明提供了一种基于算法特征的SIMT系统,该系统包括SIMT硬件结构约束模(1)、算法多线程任务分解模块(2)、单线程任务树的生成模块(3)、任务变量特征提取模块(4)、任务控制特征提取模块(5)、变量的存储映射模块(6)和高效算法实现模块(7)。
[0005] 进一步的,所述SIMT硬件结构约束模块(1)根据SIMT硬件结构本身,对软件设计提出一系列约束条件,所述约束条件包括可支持的数据类型,基本操作库,存储模型,线程数量和指令集;
[0006] 所述数据类型:如果复杂算法中的数据类型SIMT硬件结构不支持,则必须进行类型转换,否则无法在该结构上运行,对于有些无法转换的类型,如双精度浮点型,如果硬件本身不支持,则无法在该结构上运行;
[0007] 所述基本操作库用于限制SIMT支持的操作;如加减乘除、移位、循环控制、超越函数等,超出基本库支持的操作则无法支持;
[0008] 所述存储模型用于对数据的存储映射产生影响;
[0009] 所述线程数量用于限制单次可处理的最大任务量;
[0010] 所述指令集影响指令的选取及优化。
[0011] 进一步的,所述算法多线程任务分解模块(2),基于SIMT硬件结构约束模块(1)中的线程数量,将输入的复杂算法任务进行分解,构造多线程任务,多个线程并行执行,处理多个数据任务,多个线程共用一套指令程序,任务分解完成后,输出到(3)单线程任务的生成模块。
[0012] 进一步的,所述单线程任务树的生成模块(3),用于接收(2)多线程任务分解模块输出的多个线程,针对单一线程,结合SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,构造数据流图,生成变量树,为变量特征提取模块(4)和控制特征提取模块(5)提供依据。
[0013] 进一步的,所述任务变量特征提取模块(4),基于SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,存储模型,对变量类型、变量关联性及变量的生命周期进行重点分析;
[0014] 所述变量类型是指确定变量包括浮点、定点、向量和整型中的一种或多种;
[0015] 所述变量关联性是指变量和变量之间的关联;
[0016] 所述变量的生命周期是指变量在整个任务执行过程中的有效期。
[0017] 进一步的,所述任务控制特征提取模块(5),基于SIMT硬件结构约束模块(1)中的基本操作库和存储模型,根据单线程变量树生成模块(3)所得的变量树,确定当前任务的流程控制结构、公共操作以及输入和输出变量;
[0018] 所述流程控制结构包括顺序结构、分支结构和循环结构;
[0019] 所述公共操作为提取出当前任务可以先行计算的公共操作。
[0020] 所述输入和输出变量:明确当前任务的输入和输出变量,为(6)变量的存储映射模块中输入变量映射和输出变量映射提供依据。
[0021] 进一步的,所述变量的存储映射模块(6),基于SIMT硬件结构约束模块(1)中的存储模型,根据变量特征提取模块(4)和控制特征提取模块(5)所得结果,将变量映射到SIMT的存储结构中,分别确定全局变量、常量、局部变量、输入变量和输出变量的存储地址、大小、访问方式。
[0022] 进一步的,所述高效算法实现模块(7)基于SIMT硬件结构约束模块(1)中的指令集限制,根据控制特征提取模块(5)以及变量的存储映射模块(6)的结果,实现汇编代码的编写。
[0023] 进一步的,所述高效算法实现模块(7)包括如下单元:选取最优指令单元、指令排布单元和寄存器约束约束单元。
[0024] 有益效果:
[0025] 本发明面对图像处理、大数据、人工智能、云计算等应用需求中的复杂算法,针对SIMT本身的硬件结构约束,提出了一种基于算法特征的SIMT系统,为复杂算法在SIMT结构上的程序设计提供了有效的解决方案,该系统能够快速、高效的指导算法设计,保证算法实现在SIMT结构上执行的高性能和高可靠性。附图说明
[0026] 图1为本发明具体实施原理图。

具体实施方式

[0027] 下面对本发明做进一步详细说明。
[0028] 如图1所示,提供了一种基于算法特征的SIMT系统,该系统包括SIMT硬件结构约束模块(1)、算法多线程任务分解模块(2)、单线程任务树的生成模块(3)、任务变量特征提取模块(4)、任务控制特征提取模块(5)、变量的存储映射模块(6)和高效算法实现模块(7)。
[0029] 所述SIMT硬件结构约束模块(1)根据SIMT硬件结构本身,对软件设计提出一系列约束条件,所述约束条件包括可支持的数据类型,基本操作库,存储模型,线程数量和指令集;
[0030] 所述基本操作库用于限制SIMT支持的操作;
[0031] 所述存储模型用于对数据的存储映射产生影响;
[0032] 所述线程数量用于限制单次可处理的最大任务量;
[0033] 所述指令集影响指令的选取及优化。
[0034] 所述算法多线程任务分解模块(2),基于SIMT硬件结构约束模块(1)中的线程数量,将输入的复杂算法任务进行分解,构造多线程任务,多个线程并行执行,处理多个数据任务,多个线程共用一套指令程序,任务分解完成后,输出到(3)单线程任务的生成模块。
[0035] 所述单线程任务树的生成模块(3),用于接收(2)多线程任务分解模块输出的多个线程,针对单一线程,结合SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,构造数据流图,生成变量树,为变量特征提取模块(4)和控制特征提取模块(5)提供依据。
[0036] 所述任务变量特征提取模块(4),基于SIMT硬件结构约束模块(1)中的可支持的数据类型,基本操作库,存储模型,对变量类型、变量关联性及变量的生命周期进行重点分析;
[0037] 所述变量类型是指确定变量包括浮点、定点、向量和整型中的一种或多种;
[0038] 所述变量关联性是指变量和变量之间的关联;
[0039] 所述变量的生命周期是指变量在整个任务执行过程中的有效期。
[0040] 所述任务控制特征提取模块(5),基于SIMT硬件结构约束模块(1)中的基本操作库和存储模型,根据单线程变量树生成模块(3)所得的变量树,确定当前任务的流程控制结构、公共操作以及输入和输出变量;
[0041] 所述流程控制结构包括顺序结构、分支结构和循环结构;
[0042] 所述公共操作为提取出当前任务可以先行计算的公共操作。
[0043] 所述变量的存储映射模块(6),基于SIMT硬件结构约束模块(1)中的存储模型,根据变量特征提取模块(4)和控制特征提取模块(5)所得结果,将变量映射到SIMT的存储结构中,分别确定全局变量、常量、局部变量、输入变量和输出变量的存储地址、大小、访问方式。
[0044] 所述高效算法实现模块(7)基于SIMT硬件结构约束模块(1)中的指令集限制,根据控制特征提取模块(5)以及变量的存储映射模块(6)的结果,实现汇编代码的编写。
[0045] 所述高效算法实现模块(7)包括如下单元:选取最优指令单元、指令排布单元和寄存器约束约束单元。
[0046] 最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细地说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈