申请/专利权人：广东琴智科技研究院有限公司

申请日：2024-03-12

公开（公告）日：2024-04-12

公开（公告）号：CN117873690A

主分类号：G06F9/48

分类号：G06F9/48;G06F9/50;G06N3/044;G06N3/0464;G06N3/08

优先权：["20240311 CN 202410270291X"]

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请属于数据处理领域，尤其涉及运算器芯片功耗管理方法、计算子系统以及智能计算平台，该方法包括：获取目标运算器芯片的实时运行数据；所述实时运行数据用于表示目标运算器芯片的实时运行情况；采用芯片多模态功耗预测模型，对所述实时运行数据在不同工作模式下的芯片功耗进行预测，以获得适用于目标运算器芯片的目标工作模式；其中，目标工作模式为目标运算器芯片满足实时运行需求时芯片功耗最低的一种工作模式；动态配置目标运算器芯片的实时运行参数，以使目标运算器芯片达到目标工作模式。该方法能够降低运算器的功耗、优化能效，为运算器实现低能耗与高性能的平衡，提高设备的运行效率。

主权项：1.一种运算器芯片功耗管理方法，其特征在于，包括：获取目标运算器芯片的实时运行数据；所述实时运行数据用于表示目标运算器芯片的实时运行情况；采用芯片多模态功耗预测模型，对所述实时运行数据在不同工作模式下的芯片功耗进行预测，以获得适用于目标运算器芯片的目标工作模式；其中，目标工作模式为目标运算器芯片满足实时运行需求时芯片功耗最低的一种工作模式；动态配置目标运算器芯片的实时运行参数，以使目标运算器芯片达到目标工作模式；所述芯片多模态功耗预测模型至少包括：特征提取层、实时学习预测层、动态关联网络预测层和预测机制整合层；所述采用芯片多模态功耗预测模型，对所述实时运行数据在不同工作模式下的芯片功耗进行预测，以获得适用于目标运算器芯片的目标工作模式，包括：通过特征提取层，从所述实时运行数据中提取目标运算器芯片的实时负载特征以及任务运行需求特征；通过实时学习预测层，采用实时学习任务网络中不同工作模式下的功耗模型，对实时负载特征以及任务运行需求特征进行学习，以预测得到目标运算器芯片在不同工作模式下的第一功耗预测数据；通过动态关联网络预测层，基于动态关联网络中各个关联单元之间的动态路由关系，获取目标运算器芯片在不同工作模式下第一功耗预测数据之间的电路空间关系特征以及能耗关联特征；通过预测机制整合层，根据电路空间关系特征以及能耗关联特征，对目标运算器芯片在不同工作模式下的第一功耗预测数据进行动态优化，以得到优化后的第二功耗预测数据；基于第二功耗预测数据以及动态调整的实时任务需求，选取适用于目标运算器芯片的目标工作模式；其中，在第二功耗预测数据满足所述实时任务需求的工作模式中，目标工作模式对应的第二功耗预测数据的数值最低。

全文数据：

权利要求：

百度查询： 广东琴智科技研究院有限公司 运算器芯片功耗管理方法、计算子系统以及智能计算平台

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD