[发明专利]基于训练的GPU配置管理方法、装置、存储介质和GPU

说明书

本发明涉及一种基于训练的GPU配置管理方法、装置、存储介质和GPU，方法包括：统计应用程序运行时GPU的第一统计数据和第二统计数据；根据所述第一统计数据生成第一资源配置信息，根据所述第二统计数据生成第二资源配置信息；根据所述第一资源配置信息和所述第二资源配置信息调整所述GPU在运行所述应用程序时的资源配置。本发明通过对驱动软件和硬件重新配置优化，使GPU的绘制性能明显提升；本发明是针对GPU的底层软件和硬件进行的配置优化，用户在不同的应用场景使用时，无需再对用户程序进行优化修改，可以直接使用，且GPU的性能满足对帧率要求较高的应用场景。

技术领域

本发明属于图形处理器技术领域，具体涉及一种基于训练的GPU配置管理方法、装置、存储介质和GPU。

背景技术

图形处理器(英语缩写：GPU)，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器；其用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。

图形处理器性能是判断一个处理器芯片的重要指标，可以通过改变运行时软硬件资源配置从而达到预期的性能。对于稍微复杂一些的应用场景，图形处理器可能会存在性能不够，达不到预期帧率要求；如机载场景要求绘制60帧/秒，这些稍微复杂的场景在普通的GPU上运行时很难达到要求，此时就有必要对图形处理器进行优化。

而现有的优化方法只能针对用户程序进行优化，无法对GPU底层进行优化，即修改不了GPU的实现，只能针对用户程序进行优化修改，给用户使用带来不便。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于训练的GPU配置管理方法、装置、存储介质和GPU。本发明要解决的技术问题通过以下技术方案实现：

一种基于训练的GPU配置管理方法，包括以下步骤：

统计应用程序运行时GPU的第一统计数据和第二统计数据；

根据所述第一统计数据生成第一资源配置信息，根据所述第二统计数据生成第二资源配置信息；

根据所述第一资源配置信息和所述第二资源配置信息调整所述GPU在运行所述应用程序时的资源配置。

进一步地，所述第一统计数据包括API个数、API种类、API使用频率、帧率变化率中的一个或者任意组合。

进一步地，所述第二统计数据包括PCI带宽利用率、流水级资源利用率、DDR资源利用率中的一个或者任意组合。

进一步地，所述第一资源配置信息包括驱动软件的裁剪。

进一步地，所述第二资源配置信息包括关闭非使用资源、开启剩余计算资源和硬件资源的重新分配。

进一步地，根据所述第一资源配置信息和所述第二资源配置信息调整所述GPU在运行所述应用程序时的资源配置，具体包括：

初始化GPU基本资源配置；

读取所述第一资源配置信息；

根据读取的所述第一资源配置信息对主机驱动软件进行配置优化；

读取所述第二资源配置信息；

根据读取的所述第二资源配置信息对硬件逻辑资源进行配置优化；

重新运行GPU设备。

一种基于训练的GPU配置管理装置，包括：

统计模块，统计应用程序运行时的第一统计数据和第二统计数据；