（圖片來源：加州大學河濱分校）

為了正確、安全地運行無人機和自動駕駛汽車等自動系統，需要極快速地同時進行數百萬次計算，通常為這些自動系統提供所需的計算能力的就是GPU。GPU廣泛用于超級計算和云計算，以顯著提高如圖像處理、深度學習和其他計算密集型應用的速度。而提高速度是有代價的，用于并行計算的GPU消耗大量能源，限制了其用于自給自足的、通常由電池驅動的應用場景，如汽車和無人機。

對于自動系統而言，有效的GPU必須是節能的，并且能夠實時執行工作負載（workload）。例如，一輛自動駕駛汽車要在道路上安全行駛，必須能夠處理各種傳感器信息，如攝像頭和激光雷達，并在幾毫秒內做出決定，以防止車輛發生碰撞。

然而，現代嵌入式GPU用于自動系統設備中時有幾個限制。GPU往往能耗高，導致計算能力不足，限制自動系統性能。GPU硬件和軟件需要有時間意識，以成功執行實時操作，并滿足工作負載時間要求，從而提供正確和安全的操作。

為了解決這些問題，加州大學河濱分校的項目將提供橫跨軟件和硬件的解決方案，為自動系統打造實時嵌入式GPU。Wong表示，“當前的GPU在閑置狀態時的能耗與積極處理工作負載時的能耗幾乎相同，造成了能源浪費。”為此，該團隊將設計“能耗靈活”的硬件，使GPU根據工作量消耗能源。Wong 解釋道，“如果GPU做功少，能耗就低；如果需要做更多的工作，能耗就高。”

GPU硬件由多個調度器組成，而這些調度器并不了解工作負載的時間要求。因此，如果在GPU上運行多個工作負載，可能會有一些工作負載由于爭奪硬件資源而錯過截止日期。研究小組將創建具有時間感知的硬件和軟件，允許各種硬件調度器對工作負載進行優先排序，以確保滿足時間期限。

研究人員將設計與硬件調度器協調的實時調度軟件。通過硬件使軟件根據工作負載進度進行更新，從而使軟件做出更好的調度決策，并改進實時操作。Kim表示，“目前的軟件和硬件在執行工作負載期限方面沒有協調一致。該項目將使多種工作負載安全運行，并提高自動系統中嵌入式GPU的性能。”

返回第一電動網首頁 >