位置:成果数据库 > 期刊 > 期刊详情页
GPU内置传感器的功耗数据矫正方法研究
  • ISSN号:1001-0548
  • 期刊名称:《电子科技大学学报》
  • 时间:0
  • 分类:TP338.6[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]四川大学计算机学院,成都610065, [2]成都信息工程大学控制工程学院,成都610225, [3]上海交通大学软件学院,上海闵行区200030
  • 相关基金:国家自然科学基金重点项目(61332001);国家自然科学基金(61272104,61472050); 四川省应用基础研究计划(2014JY0257)
中文摘要:

功耗数据采集是绿色计算的前提,也是软件能耗测量的基础工作。在功耗数据采集中,通常内置功率传感器采集软件能耗面临功率迟滞、程序能耗受启动时间影响等问题,产生的原因在于内置传感器的硬件构成及其使用的功耗算法。该文针对内置传感器的功耗算法问题,提出了一种基于逼近函数的功率数据矫正方法。该方法根据程序运行时间长短,分别采用数据拟合方法和基于误差方向的逼近函数进行矫正。最后,在代表性的K20系列GPU实验平台上进行验证,实验结果表明该方法能较好地解决传感器采集功耗数据存在的问题,且使用该方法和经验参数法获得的能耗数据相比误差小于1%,具有较高的精度。

英文摘要:

Power data acquisition is the premise of the green computing and the basic work of the software energy consumption measurement. In power data acquisition, using the built-in power sensor to get the software energy usually faces the problem of power hysteresis and software energy affected by its start time because of the built-in sensor constitution as well as its power computation algorithm. Aiming at the problem of the built-in power sensor algorithm, this paper proposes a power data correction approach based on approximation function. According to the length of time the program runs, this approach uses the data fitting method and the approximation function method based on the error direction to correct power sensor data respectively. Finally, this approach is verified on the typical K20 GPU series experimental platform. Experimental results show that this approach can better solve the problems with high accuracy and the data obtained by our approach compared to that of the empirical parameter approach is less than 1% error.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电子科技大学学报》
  • 北大核心期刊(2011版)
  • 主管单位:国家教育部
  • 主办单位:电子科技大学
  • 主编:周小佳
  • 地址:成都市成华区建设北路二段四号
  • 邮编:610054
  • 邮箱:xuebao@uestc.edu.cn
  • 电话:028-83202308
  • 国际标准刊号:ISSN:1001-0548
  • 国内统一刊号:ISSN:51-1207/T
  • 邮发代号:62-34
  • 获奖情况:
  • 全国优秀科技期刊,第二届全国优秀科技期刊二等奖,两次获国家新闻出版署、国家教委“全国高校自然科...,中国期刊方阵双百期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:12314