GPU内置传感器的功耗数据矫正方法研究

李君科; 郭兵; 沈艳; 李德光; 黄彦辉; 戚正伟

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

GPU内置传感器的功耗数据矫正方法研究

李君科, 郭兵, 沈艳, 李德光, 黄彦辉, 戚正伟

文章导航 > 电子科技大学学报 > 2016 > 45(2): 282-287

李君科, 郭兵, 沈艳, 李德光, 黄彦辉, 戚正伟. GPU内置传感器的功耗数据矫正方法研究[J]. 电子科技大学学报, 2016, 45(2): 282-287.

引用本文:

李君科, 郭兵, 沈艳, 李德光, 黄彦辉, 戚正伟. GPU内置传感器的功耗数据矫正方法研究[J]. 电子科技大学学报, 2016, 45(2): 282-287.

LI Jun-ke, GUO Bing, SHEN Yan, LI De-guang, HUANG Ya, . Research on Power Data Correction Approach of GPU Build-in Sensor[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(2): 282-287.

Citation:

LI Jun-ke, GUO Bing, SHEN Yan, LI De-guang, HUANG Ya, . Research on Power Data Correction Approach of GPU Build-in Sensor[J]. Journal of University of Electronic Science and Technology of China, 2016, 45(2): 282-287.

GPU内置传感器的功耗数据矫正方法研究

详细信息

中图分类号: TP338.6

Research on Power Data Correction Approach of GPU Build-in Sensor

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。
- 内置功率传感器 /
- 数据矫正 /
- 绿色计算 /
- 软件能耗

[1]	郭兵, 沈艳, 邵子立. 绿色计算的重定义与若干探讨[J]. 计算机学报, 2009, 32(12): 2311-2319. GUO Bing, SHEN Yan, SHAO Zi-li. The redefinition and some discussion of green computing[J]. Chinese Journal of Computers, 2009, 32(12): 2311-2319.
[2]	HONG S, KIM H. An integrated GPU power and performance model[C]//ACM SIGARCH Computer Architecture News. [S.l.]: ACM, 2010, 38(3): 280-289.
[3]	ISCI C, MARTONOSI M. Runtime power monitoring in high-end processors: Methodology and empirical data[C]//Proceedings of the 36th annual IEEE/ACM International Symposium on Microarchitecture. [S.l.]: IEEE Computer Society, 2003: 93.
[4]	刘啸滨, 郭兵, 沈艳, 等. 基于ARM处理器的嵌入式软件能耗统计模型[J]. 电子科技大学学报, 2012, 41(5): 770-774. LIU Xiao-bin, GUO Bing, SHEN Yan, et al. ARM-based embedded software statistical energy model[J]. Journal of University of Electronic Science And Technology of China. 2012, 41(5): 770-774.
[5]	赵霞, 郭耀, 雷志勇, 等．基于模拟器的嵌入式操作系统能耗估算与分析[J]. 电子学报, 2008, 36(2): 209-215. ZHAO Xia, GUO Yao, LEI Zhi-yong, et al. Estimation and analysis of embedded operating system energy consumption [J]. ACTA Electronica Sinica, 2008, 36(2): 209-215.
[6]	SONG S, SU C, ROUNTREE B, et al. A simplified and accurate model of power-performance efficiency on emergent gpu architectures[C]//2013 IEEE 27th International Symposium on Parallel & Distributed Processing (IPDPS). [S.l.]: IEEE, 2013: 673-686.
[7]	BURTSCHER M, ZECENA I, ZONG Z. Measuring GPU power with the K20 built-in sensor[C]//Proceedings of Workshop on General Purpose Processing Using GPUs. [S.l.]: ACM, 2014: 28.
[8]	PATHAK A, HU Y C, ZHANG M, et al. Fine-grained power modeling for smartphones using system call tracing[C]//Proceedings of the sixth conference on Computer systems. [S.l.]: ACM, 2011: 153-168.
[9]	PATHAK A, HU Y C, ZHANG M. Where is the energy spent inside my app?: Fine grained energy accounting on smartphones with eprof[C]//Proceedings of the 7th ACM European Conference on Computer Systems. [S.l.]: ACM, 2012: 29-42.
[10]	BARNES J, HUT P. A Hierarchical O(nlogn) force-calculation algorithm[J]. Nature, 1986, 324(4): 446-449.

[1]	张先超, 任天时, 赵耀, 樊锐. 移动边缘计算时延与能耗联合优化方法 . 电子科技大学学报, 2022, 51(5): 737-742. doi: 10.12178/1001-0548.2021244
[2]	李世超, 王秋云, 寇为刚, 贺国庆. 基于车辆边缘计算的用户能耗最小化资源分配研究 . 电子科技大学学报, 2020, 49(2): 206-212. doi: 10.12178/1001-0548.2018314
[3]	谢光忠, 王斯, 谢法彪, 苏元捷. 自供能气体传感器研究进展 . 电子科技大学学报, 2018, 47(1): 139-146. doi: 10.3969/j.issn.1001-0548.2018.01.021
[4]	何怀文, 肖涛, 程东, 彭政, 傅瑜. 碳感知的绿色云数据中心能源优化在线算法 . 电子科技大学学报, 2018, 47(4): 550-557. doi: 10.3969/j.issn.1001-0548.2018.04.013
[5]	王瑞锦, 黄耀东, 徐志远, 秦志光. 复杂山体表面传感器网络定位算法 . 电子科技大学学报, 2015, 44(3): 433-438. doi: 10.3969/j.issn.1001-0548.2015.03.020
[6]	于俊洋, 胡志刚, 周舟, 杨柳. 计算机系统能耗估量模型研究 . 电子科技大学学报, 2015, 44(3): 422-427. doi: 10.3969/j.issn.1001-0548.2015.03.018
[7]	胡爱娜. 基于能耗均衡的无线传感网络自适应数据存取算法 . 电子科技大学学报, 2014, 43(2): 235-240. doi: 10.3969/j.issn.1001-0548.2014.02.015
[8]	宫娜娜, 王缓缓. 无线传感器节点均匀性估计算法及其应用 . 电子科技大学学报, 2014, 43(3): 347-352. doi: 10.3969/j.issn.1001-0548.2014.03.005
[9]	陈拥军, 袁慎芳. 无线传感器网络最小能耗拓扑控制研究 . 电子科技大学学报, 2012, 41(4): 568-573. doi: 10.3969/j.issn.1001-0548.2012.04.018
[10]	刘啸滨, 郭兵, 沈艳, 朱建, 王继禾, 伍元胜. 基于ARM处理器的嵌入式软件能耗统计模型 . 电子科技大学学报, 2012, 41(5): 770-774. doi: 10.3969/j.issn.1001-0548.2012.05.024
[11]	闫斌, 周小佳, 王厚军, 王蜀黎. 无线传感器网络功率控制的质心定位算法 . 电子科技大学学报, 2010, 39(3): 416-419,434. doi: 10.3969/j.issn.1001-0548.2010.03.020
[12]	荣健, 乔文钊. 基于模糊神经系统的多传感器数据融合算法 . 电子科技大学学报, 2010, 39(3): 376-378,424.
[13]	张骏, 向渝, 汪文勇. 无线传感器网络节点能耗状态转换模型研究 . 电子科技大学学报, 2009, 38(4): 596-599. doi: 10.3969/j.issn.1001-0548.2009.04.028
[14]	刘晓明, 王录涛. MEMS加速度传感器的引信数据采集系统设计 . 电子科技大学学报, 2008, 37(2): 309-312.
[15]	陈伟, 丁秋林. 可扩展数据清理软件平台的研究 . 电子科技大学学报, 2006, 35(1): 100-103.
[16]	狄隽, 祝大军, 刘盛纲. CHIPIC软件的电磁场计算方法 . 电子科技大学学报, 2005, 34(4): 485-488.
[17]	罗光春, 卢显良, 张骏, 李炯. 基于多传感器数据融合的入侵检测机制 . 电子科技大学学报, 2004, 33(1): 71-74.
[18]	周晓军, 林水生, 刘文达, 刘永智, 薛志英. 光纤微弱磁场传感器软件解调方法 . 电子科技大学学报, 2003, 32(3): 261-263.
[19]	谢光忠, 蒋亚东, 杨邦朝. 温湿度智能传感器软件开发 . 电子科技大学学报, 2003, 32(1): 43-46.
[20]	王光泰, 周先敏, 徐继麟. 多传感器信息最优融合 . 电子科技大学学报, 1997, 26(5): 465-467.

点击查看大图

计量

文章访问数: 3856
HTML全文浏览量: 144
PDF下载量: 139
被引次数: 0

GPU内置传感器的功耗数据矫正方法研究

刊出日期: 2016-04-15

中图分类号: TP338.6

关键词:

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。