-
公开(公告)号：CN119966821A
公开(公告)日：2025-05-09
申请号：CN202311482015.1
申请日：2023-11-08
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: H04L41/0833 , H04L41/0813 , H04L41/08 , H04L41/0894 , H04L41/046 , H04L41/16 , H04L67/125 , G06F18/15 , G06F18/27 , G06F18/20
Abstract: 本发明公开了一种针对IoT场景的能耗智能优化方法及系统。所述方法包括：依据对系统能耗的影响，选择迭代参数；将迭代参数的上一轮推荐值发送至部署在各个物联网设备上的开发板模块，以使开发板模块依据上一轮推荐值完成本地负载测试；根据开发板模块运行Benchmark的开始时间戳和结束时间戳，从能耗测量模块的数组中截取能耗，以得到本轮能耗结果；其中，所述能耗测量模块的数组中截取的能耗基于各个物联网设备的本地负载测试得到；将本轮能耗结果发送至AI引擎模块，以使所述AI引擎模块基于本轮能耗结果选择所述迭代参数的本轮推荐值。本发明保证了物联网能耗调优系统的易用性、有效性、准确性和可扩展性。
-
公开(公告)号：CN119621498A
公开(公告)日：2025-03-14
申请号：CN202311186660.9
申请日：2023-09-14
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06F11/34 , G06F11/30 , G06F9/445 , G06F18/2113 , G06F18/213 , G06F18/27 , G06F18/243 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明公开一种基于自动化参数配置优化的软件系统性能调优方法及装置，所述方法包括：收集面向待调优系统的待调优配置集；从待调优配置集中采样若干个候选配置实例；利用不同候选配置实例下的性能样本，配置待调优系统的性能预测模型，并基于性能预测模型，得到当前配置实例的推荐配置；依据推荐配置重置待调优系统后，识别待调优系统的当前工作负载，并评估当前工作负载的性能值；基于当前工作负载的性能值调整代理模型、采样函数和优化策略后，返回至从待调优配置集中采样若干个候选配置实例；直至满足第一设定停止条件时，输出对应的推荐配置。本发明可以解决软件系统性能下降的问题，使软件系统获得最佳性能。
-
公开(公告)号：CN116860256A
公开(公告)日：2023-10-10
申请号：CN202310848297.6
申请日：2023-07-11
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
Abstract: 本发明公开了一种面向RISC‑V基础C库的优化方法，属于计算机软件技术领域，本方法采用编译器预定义宏实现基础指令集与RVV扩展指令集的兼容，着重优化了基础C库的字符串操作函数，分别实现了仅包含基础指令集和RVV指令集的汇编实现。基础指令集实现的字符串操作函数采用细粒度数据划分、地址对齐、循环展开、地址跳转、魔法数等优化方式提升函数的性能和效率。RVV扩展指令集实现的字符串操作函数采用地址对齐、向量化等优化方式提升基础C库函数的执行效率。
-
公开(公告)号：CN118708182A
公开(公告)日：2024-09-27
申请号：CN202310309771.8
申请日：2023-03-27
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06F8/41 , G06F11/22 , G06F9/455 , G06F9/4401 , G06F11/30 , G06N7/01 , G06N20/00 , G06N20/20 , G06N5/01
Abstract: 本发明公开了一种内核编译配置的自动化离线调优方法，其步骤包括：1)划分配置项黑白名单，设置待调整配置项列表；2)从内核Kconfig文件抽取待调整配置项的类型和值域，目标主机发送待调整配置项信息给AI引擎；3)AI引擎生成一组待调整配置项的随机取值；4)对生成随机配置项取值进行内核配置错误值检测纠正，得到正确的内核配置文件；5)内核编译生成二进制镜像文件和模块文件；6)对生成文件进行启动检查，若检查失败，则通知AI引擎重新生成一组配置；7)内核切换并重启；8)采集业务应用性能数据发送给AI引擎；9)重复上述步骤3)‑8)的训练过程达到规定轮数，AI引擎返回一组性能最优的内核配置项取值。
-
公开(公告)号：CN116434040A
公开(公告)日：2023-07-14
申请号：CN202310197228.3
申请日：2023-03-03
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06V10/94 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种面向RISC‑V体系架构的实时目标检测方法及系统，涉及嵌入式系统领域。将寒武纪CNStream数据流处理SDK的环境依赖和CNToolkit及固件依次移植至RISC‑V体系架构中；移植寒武纪CNStream数据流处理SDK；加载离线模型文件；初始化嵌入式设备和MLU 220M.2；采集源数据，使用RTSP推流传入至寒武纪CNStream数据流处理SDK中；寒武纪CNStream数据流处理SDK对源数据进行处理，实现目标检测功能；目标检测结果通过RTSP推流至VLC媒体播放器进行展示。本发明通过使用Sifive Unmatched嵌入式设备和国产智能芯片寒武纪边缘端人工智能加速卡MLU 220M.2，运用寒武纪CNStream数据流处理SDK，实现面向RISC‑V体系架构的实时目标检测功能。
-
Patent Agency Ranking
公开(公告)号：CN116243924A
公开(公告)日：2023-06-09
申请号：CN202310142912.1
申请日：2023-02-08
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06F8/41
Abstract: 本发明公开了一种内核配置项错误值的检测方法及装置，所述方法包括：获取待检测内核配置文件的Kconfig配置项定义文件；将所述Kconfig配置项定义文件中的Kconfig信息，保存到树结构；解析出待检查配置文件的配置项及取值，并基于所述树结构对所述配置项及取值进行检测，以得到所述待检查配置文件中各配置项的错误类型。本发明实现对内核配置项进行取值风险等问题的检测。
-
公开(公告)号：CN115658492A
公开(公告)日：2023-01-31
申请号：CN202211280479.X
申请日：2022-10-19
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
IPC: G06F11/36 , G06F16/28 , G06F16/2457 , G06F16/2458
Abstract: 本发明公开了一种内核配置项异常值检测方法及装置。所述方法包括：构建内核默认配置数据集；遍历待检测内核配置文件中所有内核配置项的名称、取值，并结合所述内核默认配置数据集补充未在待检测内核配置文件中出现的配置项取值，以构建待检测配置数据集V；将所述待检测配置数据集V与所述内核默认配置数据集中的配置项进行比较，得到所述待检测内核配置文件的异常检测结果。本发明基于内核社区和主流发行版的内核默认配置建立数据集进行异常值检测，能够检测出满足配置项依赖关系、却不恰当配置的异常值，减少配置误操作或遗漏的可能性，提高内核配置成功率。
-
公开(公告)号：CN116860256B
公开(公告)日：2025-04-01
申请号：CN202310848297.6
申请日：2023-07-11
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
Abstract: 本发明公开了一种面向RISC‑V基础C库的优化方法，属于计算机软件技术领域，本方法采用编译器预定义宏实现基础指令集与RVV扩展指令集的兼容，着重优化了基础C库的字符串操作函数，分别实现了仅包含基础指令集和RVV指令集的汇编实现。基础指令集实现的字符串操作函数采用细粒度数据划分、地址对齐、循环展开、地址跳转、魔法数等优化方式提升函数的性能和效率。RVV扩展指令集实现的字符串操作函数采用地址对齐、向量化等优化方式提升基础C库函数的执行效率。
-
公开(公告)号：CN117827317A
公开(公告)日：2024-04-05
申请号：CN202410007781.0
申请日：2024-01-03
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
Abstract: 本发明公开了一种面向RISC‑V多指令集组合的二进制格式支持的运行方法和装置，通过一个富指令格式打包工具，将由不同指令集组合编译实现的可执行文件打包成一个富指令集格式文件包。由操作系统内核对由可执行文件打包而成的富指令集格式的文件包进行解析，加载；在操作系统运行时，由动态加载器对富指令集格式的动态库进行解析加载，进而交由用户层运行。有效地避免由不同扩展指令集组合导致的应用依赖运行环境不兼容问题，提高了程序的可用性、可伸缩性和扩展性，也提高了AIoT场景中存储资源量。
-
公开(公告)号：CN117172093A
公开(公告)日：2023-12-05
申请号：CN202310909401.8
申请日：2023-07-24
Applicant: 中国科学院软件研究所 , 中科南京软件技术研究院
Abstract: 本发明公开了一种基于机器学习的Linux系统内核配置的策略推荐方法及装置，所述方法包括：基于Linux系统的当前参数配置，进行负载数据的采集；根据所述负载数据，识别当前负载的负载类型；根据所述当前负载的历史最优推荐，为当前负载进行最新参数配置的推荐；生成所述最新参数配置的参数空间，并使用参数推荐优化模型在所述参数空间内进行所述Linux系统的参数推荐，得到参数推荐结果。本发明为Linux系统内核的参数配置优化提供通用的优化策略，可以有效提高资源利用率，提升负载性能。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.039 seconds)
