虽然异构架构在高性能计算系统中越来越受欢迎,但其有效性取决于调度程序将工作负载分配到合适的计算设备上的效率,以及通信和计算如何重叠。随着不同类型的资源集成到一个系统中,调度程序的复杂性也相应增加。此外,对于在不同异构资源上具有不同问题规模的应用程序,最佳调度方法可能会有所不同。因此,我们引入了一种基于配置文件的人工智能辅助动态调度方法,以动态和自适应地调整工作负载并有效利用异构资源。它结合在线调度、应用程序配置文件信息、硬件数学建模和离线机器学习估计模型,实现异构架构的自动应用设备特定调度。硬件数学模型提供粗粒度计算资源选择,而配置文件信息和离线机器学习模型估计细粒度工作负载的性能,在线调度方法动态自适应地分配工作负载。我们的调度方法在事件驱动的运行时系统中对控制规则应用程序、2D 和 3D Stencil 内核(基于 Jacobi 算法)和数据不规则应用程序稀疏矩阵向量乘法 (SpMV) 进行了测试。实验结果表明,PDAWL 的表现与产生最佳结果的 CPU 或 GPU 相当或远远优于后者。关键词:异构多核计算、工作负载平衡、自适应建模、机器学习辅助调度、并行计算
公司:Amaris.AI 是一家总部位于新加坡的人工智能和网络安全公司,由前政府高级管理人员领导。Amaris.AI 拥有广泛的项目组合,客户遍布财富管理、政府、电信、物流和零售等不同领域。 项目(1):网络安全风险评估和审计数据分析 该项目将构建一个安全且隐私增强的系统,用于分析网络安全风险评估和审计。该系统利用最新的人工智能技术,通过搜索功能提供语义感知能力。该系统还将能够创建特定于网络安全领域的知识本体。 项目(2):捍卫人工智能系统和打击 DeepFakes 该项目将开发系统和智慧国家框架,以保护人工智能系统免受对抗性和人工智能操作攻击。 2 CyberOwl Pte Ltd