[发明专利]基于模糊决策的GPU负载综合评判方法

摘要

本发明实施例提供了一种基于模糊决策的GPU的负载评价方法，涉及计算机技术领域，可以正确对GPU的负载进行评价。所述方法包括：针对一个GPU来说，获得n时刻所述GPU的负载向量，然后计算获得n时刻评价负载用的评价负载向量L，综合所述评价负载向量L中的元素utilization，memory，pstates，以及occupancy进行模糊评判，获得模糊判决矩阵R；根据用户给出的诸因素权重分配为：W＝(w₁，w₂，w₃，w₄)以及模糊判决矩阵计算获得综合评价A，对所述综合评价A进行归一化处理获得A′，根据最大隶属度原则获得所述GPU的负载情况。

主权项

一种基于模糊决策的图形处理器GPU负载评价方法，其特征在于，包括：针对一个GPU来说，获得n时刻所述GPU的负载向量；所述GPU的负载向量表示如下：L_n＝＜utilization，memory，pstates，occupancy＞其中，utilization：过去一个样本时间内所述GPU运行一个或者多个核函数的时间占总时间的百分比；memory：所述GPU已用全局内存占总的全局内存的百分比；pstates：即performance state的16个等级，p0(maximum performance)‑p15(minimum performance)；occupancy：即整体achieved occupancy：所述GPU的每个sm中有多个warp调度器，每个调度器有一个硬件性能计数器，用来计数每个时钟周期活跃warp数，每个调度器计数结果之和除以sm活跃的总周期数，就可以得到这个sm的活跃warp数，除以sm理论最大warp数就是kernel执行期间这个sm的occupancy，所有sm的平均值就是整体的occupancy；获得n时刻评价负载用的评价负载向量L，所述L满足以下公式：L＝70％×L_n+30％×L_n‑1；综合所述评价负载向量L中的元素utilization，memory，pstates，以及occupancy进行模糊评判，获得模糊判决矩阵：R＝(r_ij)_4×3；根据用户给出的诸因素权重分配为：W＝(w₁，w₂，w₃，w₄)以及模糊判决矩阵计算获得综合评价A，所述A满足以下公式：A＝W·R＝(a₁，a₂，a₃)；对所述综合评价A进行归一化处理获得A′，所述A′满足以下公式：A′＝(a₁/s，a₂/s，a₃/s)；其中，根据最大隶属度原则获得所述GPU的负载情况。