[发明专利]一种基于OpenCL内核任务的调度方法

摘要

本发明公开了一种基于OpenCL内核任务的调度框架。该框架包括经LLVM编译器对OpenCL内核任务进行特征提取与特征选择，得到内核代码的编译时静态特征与运行时特征；在特征提取过程中，使用Greedy Feature Selection算法选出最重要的几个特征，避免过拟合现象；然后将选择出来的特征使用机器学习中的静态分类器预测CPU与GPU的任务划分比例；最后使用调度算法对获得的任务划分比例与平台可利用设备信息，对任务进行实际的调度，本发明完成了上述功能的设计细节、实现算法和编码工作，实现了在异构系统中通过机器学习与调度算法结合，实现对计算资源的最大化利用的一种自动化调度，提高异构系统资源利用率。

主权项

1.一种基于OpenCL内核任务的调度框架，其特征在于，该框架中对于输入的每个OpenCL内核任务，在编译阶段生成其二进制文件，并得到AST抽象语法树，通过LLVM编译器从AST抽象语法树中分析抽取OpenCL内核静态代码特征，再经运行阶段得到动态代码特征，其中为了避免出现过拟合现象，使用Greedy Feature Selection算法对选出来的特征进行排序，选出最重要的几个特征，然后利用机器学习的SVM分类器预测得到任务划分比例，比例值是处于0到10之间的整数，最后将输入的OpenCL内核任务按照预测得到的划分比例值以Baseline调度算法调度到实际可用的设备CPU或GPU上，但对于有明显倾向的任务，比如得到的划分比例是9，表明该任务倾向于在GPU上执行，就按照添加了阈值机制的BIAS算法调度到具体的设备上。