公开(公告)号：CN117851061A

公开(公告)日：2024-04-09

申请号：CN202410035067.2

申请日：2024-01-09

Applicant: 南京理工大学

Inventor： 韦志辉 ,  黄祉峄 ,  吴泽彬 ,  徐洋 ,  周俊龙 ,  孙晋 ,  张毅

IPC: G06F9/50 ,  G06F15/78 ,  G06N3/063 ,  G06N3/082

Abstract: 本发明公开了一种面向CPU‑GPU异构片上系统的深度学习神经网络功耗优化调度方法，包括：修改神经网络的实现代码以拆分神经网络，允许定义神经网络的运行模式，选择每一层网络是在CPU上运行还是在GPU上运行，在相应的CPU‑GPU异构片上系统平台测试所有可能的运行模式的时间和功耗数据，并保存；针对电池供电的CPU‑GPU异构片上系统设备，设计电量感知的深度学习神经网络功耗元启发式优化调度算法，根据电量状态并结合任务的实时性要求，使用元启发式算法寻找最适合当前状态的切割方式。本发明能够权衡深度学习神经网络在CPU‑GPU异构边缘设备上运行的实时性和能耗，通过在低电量状态下采用网络层迁移技术和动态电压调整技术，提高异构边缘设备运行深度学习神经网络的续航时间。