[发明专利]用于处理任务的方法、处理器、设备和可读存储介质

说明书

本公开提供了用于处理任务的方法、处理器、设备和可读存储介质，涉及计算机技术领域，尤其涉及芯片和深度学习领域。具体实现方案为：针对预定类型的计算任务，将计算任务中的多个指令块分配给通用处理核和专用加速核；专用加速核中的控制单元将与其耦合的预定的协处理单元的指令完成指示通过信号通路传送给通用处理核的至少一个处理单元，信号通路被配置为将至少一个通用处理单元耦合到控制单元；以及如果确定接收到指令完成指示，通用处理核通过数据通路获取专用加速核中的第一片内缓存中的数据以用于完成计算任务，数据通路被配置为将通用处理核耦合到第一片内缓存。通过该方法，避免了计算任务切换开销，改进了存储资源和计算资源的利用率。

技术领域

本公开涉及计算机技术领域，尤其涉及芯片和深度学习领域的用于处理任务的方法、处理器、设备和可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)算法被广泛应用在很多重要的互联网应用，如语音识别，图像识别，自然语言处理等，相较于传统手段，AI算法往往能取得更佳的精度和效果。深度神经网络是AI算法中使用最广泛的一种，应用这种算法时，需要对大量数据进行大规模的乘加计算，是典型的计算密集型应用，鉴于其数据计算量极大，使用GPU、FPGA和NPU等硬件加速器进行加速是一种常见做法。

近二十年来，由于半导体工艺、散热等方面的制约，单纯通过提升主频来提升处理器性能的方法已经难以实现，大多数处理器转而采用多核技术来提升处理器的计算性能。所谓多核技术，就是在处理器内部集成多个相同或不同的处理器核，在处理任务时，通过调度，将计算任务分发给多个处理核共同完成，通过处理核的并行计算来提升整个处理器的计算性能。在采用多核处理器来处理AI算法的过程中还存在许多需要解决的问题。

发明内容

本公开提供了一种处理任务的方法、处理器、设备和可读存储介质。

根据本公开的第一方面，提供了一种用于由异构多核处理器处理计算任务的方法，所述异构多核处理器包括通用处理核和专用加速核。该方法包括：针对预定类型的计算任务，将所述计算任务中的多个指令块分配给所述通用处理核和所述专用加速核；所述专用加速核中的控制单元将与其耦合的预定的协处理单元的指令完成指示通过信号通路传送给所述通用处理核的至少一个处理单元，所述信号通路被配置为将所述至少一个通用处理单元耦合到所述控制单元；以及如果确定接收到所述指令完成指示，所述通用处理核通过数据通路获取所述专用加速核中的第一片内缓存中的数据以用于完成所述计算任务，所述数据通路被配置为将所述通用处理核耦合到所述第一片内缓存。

根据本公开的第二方面，提供了一种异构多核处理器。该异构多核处理器包括：专用加速核，包括第一片内缓存和耦合到所述第一片内缓存的控制单元；通用处理核，包括路由结构组件和耦合到所述路由结构组件的至少一个通用处理单元；数据通路，被配置为将所述路由结构组件耦合到所述第一片内缓存以使得所述至少一个通用处理单元能够访问所述第一片内缓存；信号通路，被配置为将所述至少一个通用处理单元耦合到所述控制单元以用于传输与所述访问有关的指令完成指示。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括至少一个根据本公开的第二方面的异构多核处理器；以及与所述至少一个异构多核处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个异构多核处理器执行，以使至少一个异构多核处理器能够执行根据本公开的第一方面的方法。

根据本公开的第四方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据本公开的第一方面的方法。

根据本公开的第五方面，提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开的第三方面的方法的步骤。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明