摘要：主流异构并行编程方法如CUDA和OpenCL,其编程抽象层次低,编程接口靠近底层,无法为用户屏蔽底层硬件和运行时细节,导致编程逻辑复杂,编程困难易错.同时应用性能绑定于底层运行时环境,在硬件架构变化时需要根据硬件特征进行针对性改动和优化,无法保证上层应用的统一.为了简化异构并行编程,提高编程效率,实现上层应用的统一和跨平台,本文提出了一种面向异构众核系统的高层统一并行编程架构UPPA(Unified Parallel Programming Architecture).架构中首先提出了数据关联计算编程模型,实现了不同层级不同模式并行性的统一描述,简化了异构并行编程逻辑,提供了高层统一的并行编程抽象;继而设计了数据关联计算描述语言为用户提供简便易用的统一编程接口,通过高层语义结构保留了应用的并行特征,可以指导编译和运行时系统实现向不同硬件架构的自动映射,保证了上层应用的统一,并采用C语言兼容的语法提供针对高层语义结构的语言扩展,保证编程接口的易学易用;最后提供了基于OpenCL的编译和运行时原型系统,以OpenCL为中间语言实现了高层应用在不同异构系统上的执行,提供了良好的跨平台特性.我们使用数据关联计算描述语言对Parboil和Rodinia测试集中的多个测试用例进行了重构,并在NVIDIA GPU和Intel MIC两种异构平台上进行了验证测试.每个测试用例重构的代码量与测试集提供的串行代码相当,仅为测试集OpenCL代码的13%~64%,有效地降低了异构编程的工作量.在编译和运行时系统的支持下,重构代码无需改动就可以在两种平台上执行.相比于人工编写且经过优化的测试集OpenCL代码,重构代码在GPU和MIC两种平台下分别能够达到其性能的91%~100%和76%~98%,这表明了本文方法的有效性和编译与运行时系统的高效.

摘要：深度神经网络(deep neural network,DNN)在许多现代人工智能(artificial intelligence,AI)任务中取得了最高的精度.近年来,使用高性能计算平台进行大规模分布式并行训练DNN越来越普遍.能耗模型在设计和优化DNN大规模并行训练和抑制高性能计算平台过量能耗方面起着至关重要的作用.目前,大部分的能耗模型都是从设备的角度出发对单个设备或多个设备构成的集群进行能耗建模,由于缺乏从能耗角度对分布式并行DNN应用进行分解剖析,导致罕有针对分布式DNN应用特征进行建模的能耗模型.针对目前最常用的DNN分布式数据并行训练模式,从DNN模型训练本质特征角度出发,提出了“数据预处理(materials preprocessing)-前向与反向传播(computing)-梯度同步与更新(communicating)”三阶段MC^(2)能耗模型,并通过在国产E级原型机天河三号上使用最多128个MT节点和32个FT节点训练经典的VGG16和ResNet50网络以及最新的Vision Transformer网络验证了模型的有效性和可靠性.实验结果表明,MC^(2)与真实能耗测量结果相差仅为2.84%,相较4种线性比例能耗模型以及AR,SES,ARIMA时间预测模型准确率分别提升了69.12个百分点,69.50个百分点,34.58个百分点,13.47个百分点,5.23个百分点,22.13个百分点,10.53个百分点.通过使用的模型可以在超算平台得到DNN模型的各阶段能耗和总体能耗结果,为评估基于能耗感知的DNN大规模分布式数据并行训练及推理各阶段任务调度、作业放置、模型分割、模型裁剪等优化策略的效能提供了基础.

摘要：为优化虚拟数据空间网络传输性能,提出了基于近端策略优化的智能TCP拥塞控制算法TCP-PPO2。将TCP拥塞控制过程抽象为一个可部分观察的马尔可夫决策过程,在该过程中构建一个智能体,与网络环境进行互动。智能体通过观察网络状态特征对拥塞窗口长度进行调节,网络环境向智能体反馈奖励值,智能体尝试最大化回合内获得奖励期望值。设计了包括吞吐率、网络时延等网络特征的状态空间,使智能体能够观察到足够多的信息进行决策并且降低性能开销。通过加权算法设计奖励函数,使智能体能够平衡优化吞吐率与时延。通过近端策略优化算法更新智能体模型参数,对过大的参数更新进行截断,将参数更新限制在一定范围内,减少梯度下降过程中出现的振荡,实现训练过程的快速收敛。在NS3模拟器上实现了基于近端策略优化的TCP拥塞控制算法,并与Cubic、HighSpeed和NewReno等主流拥塞控制算法进行了对比,结果表明:TCP-PPO2吞吐率性能可达对比算法的2~3倍以上;80%的采样点时延相比链路最小时延值只增加了4%。

摘要：为满足NAND闪存芯片性能和可靠性量化分析与测试的教学实验需求,自研NAND闪存可靠性验证实验设备,基于该设备构建了NAND闪存可靠性验证实验平台。平台支持软硬件构建过程测试和结果分析等相关实验内容,并通过实例测试验证了其实用性。平台可覆盖计算机类工科本科阶段多门专业课程的课内实验、专题实验、开放创新实验、课程设计以及毕业设计等,培养学生理论结合实践、独立思考、动手解决工程问题的能力。

摘要：针对大数据时代各种复杂业务对数据处理日益增长的性能要求,以及对数据管理中:模式自由、高可用、轻量级复制、大容量水平可扩展等方面的需要,文中从内存数据库的存储类型、体系结构、规模、并发性、可用性与可扩展性等方面对19种主流内存数据库进行了对比分析。提出了一种综合考虑处理速度、规模与可扩展性的V3性能模型,对主流内存数据库进行了分类,并选取了有代表性的内存数据库在高频量化交易测试环境进行性能分析与测试。结果表明,New SQL数据库有较好的综合性能。为提高内存数据库在多任务并行情况下处理的速度,文中对多核环境中内存数据库的设计与优化进行了分析,将优化过程分为访存、并发加速和数据划分模式,并对内存数据库发展进行了展望。

摘要：由于糖尿病视网膜病变(DR)、黄斑水肿、玻璃膜疣等疾病起病隐匿不易被察觉,导致误诊率、漏诊率较高,因此,本文基于深度学习模型的卷积神经网络,设计一款云端医疗诊断系统,辅助医生给患者进行诊断。在对这3种疾病的视网膜OCT图像分类时,因获取不到足够大的数据集,将数据增强、迁移学习等算法应用于OCT图像的识别中。在机器学习开发环境中训练模型后,将网络模型移植到ZYNQ平台上,以Xilinx推出的ZYNQ UltraScale+MPSoC作为处理器,创造性地将机器学习算法移植到嵌入式软硬件平台上,通过ARM与现场可编程逻辑门阵列(FPGA)的协同工作,达到机器学习常用的处理器GPU所不具备的性能。测试结果表明,经迁移学习后的GoogLeNet网络对OCT图像的识别正确率达98%左右,基本能达到一个经验丰富的医生水平。且本系统与GPU相比,具有处理速度快、功耗低、用户体验好、便携等特点,适合推广应用。

摘要：TPC-E是TPC(transaction processing performance council,事务处理性能委员会)组织发布的新一代数据库性能评测标准,用于取代日渐老化的TPC-C标准。SQLite是目前被广泛使用的一种嵌入式数据库,研究在TPC-E标准下的SQLite具体性能表现对实际应用具有重要参考意义。然而,目前业界缺少面向SQLite的TPC-E实现。为了解决该问题,设计和实现了面向嵌入式轻量级数据库SQLite的TPC-E基准测试系统,它不仅可以为SQLite数据库提供准确高效的性能评测系统,而且对SQLite在市场上的扩展应用和开发具有重要的参考价值。该测试系统严格遵循TPC组织最新发布的OLTP性能评测基准TPC-E,不仅能对SQLite作为内存数据库与文件数据库时的数据库特性进行精确有效的性能评测,还能客观真实地获得SQLite数据库的性能评测数据。实验结果表明,在TPC-E负载下,与Oracle等重量级的关系型数据库相比,SQLite事务处理性能较低。但由于其简单易用和体积小等优势,SQLite在实时性高的行业小型智能设备方面的应用依然具有较大的优势。同时通过对实验结果的分析,指出了制约SQLite性能的主要原因。

摘要：分析当前物联网综合实验课程教学中面临的问题,以OBE理念为指引,提出“校企协作、产教互促”“软硬结合、虚实相融”“以赛促学、学用相长”“思政引领、立德树人”的实验课程设计思路,介绍课程教学实施过程,最后说明教学效果。

摘要：研究寒地水稻稻草还田对土壤养分的影响。采取裂区设计,设公顷施A1:4500kg、A2:9000kg风干秸秆二水平,B因素为配氮比,按秸秆量的B1:1.0%、B2:1.5%、B3:2%三个水平配施纯氮,试验结果表明:在兼顾水稻产量的前提下,最佳的试验处理为处理5(A2B2):稻草还田量为9000kg/hm2,配氮比为1.5%。通过稻草还田的方式,可以有效补充所消耗的有机质、速效氮、速效钾含量。