0-kernelTask01, 1-kernelTask02, 2-kernelTask03, 3-kernelTask04
计时方法:queryPerformance
任务序列 1:1 3 2 0
核函数执行时间(only GPU):0.039091s 0.014927s 0.034538s 0.000009s
核函数耗费时间最多的任务:kernelTask02(0.039091s),最少:kernelTask01(0.000009s),平均:0.022141s
每个任务总的时间(CPU+GPU): 0.039187s 0.064137s 0.035309s 0.000182s
耗费时间最多的任务:kernelTask04(0.064137s),最少:kernelTask01(0.000182s),平均:0.034703s
计时方法:queryPerformance
任务序列 2:1 3 0 2
核函数执行时间(only GPU):0.036644s 0.013909s 0.000010s 0.032405s
核函数耗费时间最多的任务:kernelTask02(0.036644s),最少:kernelTask01(0.000010s),平均:0.020742s
每个任务总的时间(CPU+GPU): 0.036795s 0.063769s 0.000329s 0.032637s
耗费时间最多的任务:kernelTask04(0.063769s),最少:kernelTask01(0.000329s),平均:0.033382s
计时方法:queryPerformance
任务序列 3:1 2 3 0
核函数执行时间(only GPU):0.036607s 0.032389s 0.013920s 0.000010s
核函数耗费时间最多的任务:kernelTask02(0.036607s),最少:kernelTask01(0.000010s),平均:0.020731s
每个任务总的时间(CPU+GPU): 0.036726s 0.032924s 0.062581s 0.000279s
耗费时间最多的任务:kernelTask04(0.062581s),最少:kernelTask01(0.000279s),平均:0.033128s
计时方法:queryPerformance
任务序列 4:1 2 0 3
核函数执行时间(only GPU):0.036564s 0.032407s 0.000008s 0.013921s
核函数耗费时间最多的任务:kernelTask02(0.036564s),最少:kernelTask01(0.000008s),平均:0.020725s
每个任务总的时间(CPU+GPU): 0.036622s 0.032700s 0.000182s 0.063241s
耗费时间最多的任务:kernelTask04(0.063241s),最少:kernelTask01(0.000182s),平均:0.033187s
计时方法:queryPerformance
任务序列 5:1 0 2 3
核函数执行时间(only GPU):0.036565s 0.000008s 0.032392s 0.013917s
核函数耗费时间最多的任务:kernelTask02(0.036565s),最少:kernelTask01(0.000008s),平均:0.020721s
每个任务总的时间(CPU+GPU): 0.036822s 0.000220s 0.032641s 0.062687s
耗费时间最多的任务:kernelTask04(0.062687s),最少:kernelTask01(0.000220s),平均:0.033092s
计时方法:queryPerformance
任务序列 6:1 0 3 2
核函数执行时间(only GPU):0.036576s 0.000008s 0.013911s 0.032379s
核函数耗费时间最多的任务:kernelTask02(0.036576s),最少:kernelTask01(0.000008s),平均:0.020718s
每个任务总的时间(CPU+GPU): 0.036904s 0.000093s 0.062720s 0.032894s
耗费时间最多的任务:kernelTask04(0.062720s),最少:kernelTask01(0.000093s),平均:0.033153s
计时方法:queryPerformance
任务序列 7:3 1 2 0
核函数执行时间(only GPU):0.013921s 0.036578s 0.032400s 0.000008s
核函数耗费时间最多的任务:kernelTask02(0.036578s),最少:kernelTask01(0.000008s),平均:0.020726s
每个任务总的时间(CPU+GPU): 0.062194s 0.036905s 0.032688s 0.000143s
耗费时间最多的任务:kernelTask04(0.062194s),最少:kernelTask01(0.000143s),平均:0.032983s
计时方法:queryPerformance
任务序列 8:3 1 0 2
核函数执行时间(only GPU):0.013914s 0.036584s 0.000008s 0.032384s
核函数耗费时间最多的任务:kernelTask02(0.036584s),最少:kernelTask01(0.000008s),平均:0.020723s
每个任务总的时间(CPU+GPU): 0.062947s 0.036883s 0.000136s 0.032629s
耗费时间最多的任务:kernelTask04(0.062947s),最少:kernelTask01(0.000136s),平均:0.033149s
计时方法:queryPerformance
任务序列 9:3 2 1 0
核函数执行时间(only GPU):0.013911s 0.032400s 0.036585s 0.000008s
核函数耗费时间最多的任务:kernelTask02(0.036585s),最少:kernelTask01(0.000008s),平均:0.020726s
每个任务总的时间(CPU+GPU): 0.062600s 0.032816s 0.036752s 0.000235s
耗费时间最多的任务:kernelTask04(0.062600s),最少:kernelTask01(0.000235s),平均:0.033101s
计时方法:queryPerformance
任务序列10:3 2 0 1
核函数执行时间(only GPU):0.013913s 0.032405s 0.000008s 0.036586s
核函数耗费时间最多的任务:kernelTask02(0.036586s),最少:kernelTask01(0.000008s),平均:0.020728s
每个任务总的时间(CPU+GPU): 0.062093s 0.032786s 0.000139s 0.036645s
耗费时间最多的任务:kernelTask04(0.062093s),最少:kernelTask01(0.000139s),平均:0.032916s
计时方法:queryPerformance
任务序列11:3 0 2 1
核函数执行时间(only GPU):0.013913s 0.000010s 0.032364s 0.036589s
核函数耗费时间最多的任务:kernelTask02(0.036589s),最少:kernelTask01(0.000010s),平均:0.020719s
每个任务总的时间(CPU+GPU): 0.062103s 0.000301s 0.032598s 0.036738s
耗费时间最多的任务:kernelTask04(0.062103s),最少:kernelTask01(0.000301s),平均:0.032935s
计时方法:queryPerformance
任务序列12:3 0 1 2
核函数执行时间(only GPU):0.013910s 0.000010s 0.036603s 0.032399s
核函数耗费时间最多的任务:kernelTask02(0.036603s),最少:kernelTask01(0.000010s),平均:0.020730s
每个任务总的时间(CPU+GPU): 0.062247s 0.000277s 0.036691s 0.032636s
耗费时间最多的任务:kernelTask04(0.062247s),最少:kernelTask01(0.000277s),平均:0.032963s
计时方法:queryPerformance
任务序列13:2 3 1 0
核函数执行时间(only GPU):0.032417s 0.013918s 0.036563s 0.000008s
核函数耗费时间最多的任务:kernelTask02(0.036563s),最少:kernelTask01(0.000008s),平均:0.020726s
每个任务总的时间(CPU+GPU): 0.032727s 0.062152s 0.036839s 0.000080s
耗费时间最多的任务:kernelTask04(0.062152s),最少:kernelTask01(0.000080s),平均:0.032949s
计时方法:queryPerformance
任务序列14:2 3 0 1
核函数执行时间(only GPU):0.032385s 0.013919s 0.000010s 0.036582s
核函数耗费时间最多的任务:kernelTask02(0.036582s),最少:kernelTask01(0.000010s),平均:0.020724s
每个任务总的时间(CPU+GPU): 0.032712s 0.062732s 0.000278s 0.036705s
耗费时间最多的任务:kernelTask04(0.062732s),最少:kernelTask01(0.000278s),平均:0.033107s
计时方法:queryPerformance
任务序列15:2 1 3 0
核函数执行时间(only GPU):0.032415s 0.036600s 0.013914s 0.000010s
核函数耗费时间最多的任务:kernelTask02(0.036600s),最少:kernelTask01(0.000010s),平均:0.020735s
每个任务总的时间(CPU+GPU): 0.032741s 0.036753s 0.062319s 0.000264s
耗费时间最多的任务:kernelTask04(0.062319s),最少:kernelTask01(0.000264s),平均:0.033019s
计时方法:queryPerformance
任务序列16:2 1 0 3
核函数执行时间(only GPU):0.032408s 0.036549s 0.000008s 0.013925s
核函数耗费时间最多的任务:kernelTask02(0.036549s),最少:kernelTask01(0.000008s),平均:0.020722s
每个任务总的时间(CPU+GPU): 0.032656s 0.036690s 0.000152s 0.062287s
耗费时间最多的任务:kernelTask04(0.062287s),最少:kernelTask01(0.000152s),平均:0.032946s
计时方法:queryPerformance
任务序列17:2 0 1 3
核函数执行时间(only GPU):0.032410s 0.000008s 0.036637s 0.013918s
核函数耗费时间最多的任务:kernelTask02(0.036637s),最少:kernelTask01(0.000008s),平均:0.020743s
每个任务总的时间(CPU+GPU): 0.032836s 0.000151s 0.036760s 0.062264s
耗费时间最多的任务:kernelTask04(0.062264s),最少:kernelTask01(0.000151s),平均:0.033003s
计时方法:queryPerformance
任务序列18:2 0 3 1
核函数执行时间(only GPU):0.032383s 0.000009s 0.013911s 0.036589s
核函数耗费时间最多的任务:kernelTask02(0.036589s),最少:kernelTask01(0.000009s),平均:0.020723s
每个任务总的时间(CPU+GPU): 0.032826s 0.000145s 0.062113s 0.036820s
耗费时间最多的任务:kernelTask04(0.062113s),最少:kernelTask01(0.000145s),平均:0.032976s
计时方法:queryPerformance
任务序列19:0 3 2 1
核函数执行时间(only GPU):0.000008s 0.013919s 0.032427s 0.036661s
核函数耗费时间最多的任务:kernelTask02(0.036661s),最少:kernelTask01(0.000008s),平均:0.020754s
每个任务总的时间(CPU+GPU): 0.000136s 0.062246s 0.033007s 0.036805s
耗费时间最多的任务:kernelTask04(0.062246s),最少:kernelTask01(0.000136s),平均:0.033049s
计时方法:queryPerformance
任务序列20:0 3 1 2
核函数执行时间(only GPU):0.000008s 0.013917s 0.036569s 0.032380s
核函数耗费时间最多的任务:kernelTask02(0.036569s),最少:kernelTask01(0.000008s),平均:0.020719s
每个任务总的时间(CPU+GPU): 0.000467s 0.063066s 0.036972s 0.033110s
耗费时间最多的任务:kernelTask04(0.063066s),最少:kernelTask01(0.000467s),平均:0.033404s
计时方法:queryPerformance
任务序列21:0 2 3 1
核函数执行时间(only GPU):0.000008s 0.032394s 0.013914s 0.036552s
核函数耗费时间最多的任务:kernelTask02(0.036552s),最少:kernelTask01(0.000008s),平均:0.020717s
每个任务总的时间(CPU+GPU): 0.000168s
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
1、在cpu端使用多线程利用系统中的多gpu(如果系统中有n个gpu,可以指定任意个gpu参与计算)执行多个任务(可以是任意个),可以自由设定任务数量和任务队列大小。2、在同一个gpu上以不同的顺序执行多个任务(每个任务可能有多个kernel函数),并且统计不同的顺序序列,每个任务执行的时间和每个任务所有kernel执行时间;同时也可以每次执行一个任务序列。3、和2中的类似,主要实现单gpu上所有任务的kernel不同的执行序列对执行时间的影响。 以上实现的程序,主要用来考察不同的执行顺序(包括任务级和核函数级的各种不同顺序)对gpu功耗的影响,程序中部分参数怎么改、怎么添加任务,可以给我留言。
资源推荐
资源详情
资源评论
收起资源包目录
GPU多任务调度 (164个子文件)
GPUProcessScheduling.cu.cache 1KB
kernelCommon.cu.cache 1KB
kernelTask.cu.cache 1KB
timeMeter.cuh.cache 1KB
book.cpp.cache 1KB
main.cpp.cache 1KB
tools.cu.cache 1KB
task.cu.cache 1KB
main.cu.cache 1KB
book.h.cache 1KB
multiGpuTask.cu.cache 1KB
kernelCommon.cu.cache 1KB
kernelTask.cu.cache 1KB
tools.cu.cache 1KB
main.cpp.cache 1KB
task.cu.cache 1KB
fileOperate.cpp 16KB
taskScheduling.cpp 13KB
random.cpp 12KB
mutiGpuTaskScheduling.cpp 9KB
book.cpp 2KB
main.cpp 1KB
Lock.cpp 738B
multiGpuTask.cpp 0B
multiGpuTask.cu 11KB
task.cu 10KB
kernelTask.cu 10KB
tools.cu 3KB
kernelCommon.cu 2KB
timeMeter.cu 0B
task.cuh 3KB
kernelTask.cuh 2KB
kernelCommon.cuh 401B
tools.cuh 294B
multiGpuTask.cu.deps 49KB
task.cu.deps 44KB
kernelTask.cu.deps 44KB
tools.cu.deps 44KB
book.cpp.deps 43KB
book.h.deps 43KB
timeMeter.cuh.deps 43KB
main.cpp.deps 43KB
GPUProcessScheduling.cu.deps 30KB
main.cu.deps 30KB
kernelCommon.cu.deps 30KB
GPUProcessScheduling.exe 185KB
GPUProcessScheduling.exe 74KB
GPUProcessScheduling.vcxproj.filters 3KB
timeMeter.h 7KB
multiGpuTask.h 2KB
book.h 2KB
random.h 2KB
fileOperate.h 833B
Lock.h 515B
multiGpuTask.h 31B
vc120.idb 939KB
GPUProcessScheduling.lastbuildstate 213B
GPUProcessScheduling.lastbuildstate 213B
GPUProcessScheduling.lastbuildstate 211B
GPUProcessScheduling.log 5KB
GPUProcessScheduling.Build.CppClean.log 4KB
GPUProcessScheduling.log 3KB
GPUProcessScheduling.log 95B
mutiGpuTaskScheduling.obj 1.06MB
fileOperate.obj 1.01MB
taskScheduling.obj 975KB
fileOperate.obj 290KB
multiGpuTask.cu.obj 268KB
kernelTask.cu.obj 143KB
kernelCommon.cu.obj 123KB
kernelTask.cu.obj 120KB
task.cu.obj 114KB
book.obj 109KB
taskScheduling.obj 99KB
task.cu.obj 93KB
tools.cu.obj 93KB
GPUProcessScheduling.cu.obj 81KB
main.cu.obj 81KB
Lock.obj 78KB
kernelCommon.cu.obj 72KB
tools.cu.obj 68KB
random.obj 40KB
random.obj 40KB
Lock.obj 37KB
tools.obj 36KB
book.obj 35KB
book.cpp.obj 32KB
main.cpp.obj 25KB
main.cpp.obj 25KB
multiGpuTask.obj 5KB
timeMeter.obj 5KB
GPUProcessScheduling.obj 3KB
multiGpuTask.obj 2KB
timeMeter.obj 2KB
GPUProcessScheduling.pdb 1.25MB
GPUProcessScheduling.pdb 971KB
vc120.pdb 900KB
vc120.pdb 500KB
vc120.pdb 308KB
GPUProcessScheduling.sdf 44.88MB
共 164 条
- 1
- 2
资源评论
- EKG3D2023-09-05工作中用到GPU调度,有一定的参考价值
- yonniem2020-03-31正在构建GPU调度,希望可以用起来
- bingheshidai302017-03-03项目加载失败,无法打开,是对环境有什么要求吗龚慧林2017-06-09自己建立一个vs+cuda的工程,源文件目录结构保持不变,添加源文件到工程中, 编译就可以了。
龚慧林
- 粉丝: 76
- 资源: 17
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 常用工具集参考用于图像等数据处理
- 音乐展示网页、基于Stenography的图像数字水印添加与提取,以及基于颜色矩和Tamura算法的图像相似度评估算法py源码
- 基于EmguCV(OpenCV .net封装),图像数字水印加解密算法的实现,其中包含最低有效位算法,离散傅里叶变换算法+文档书
- 基于matlab+DWT的图像水印项目,数字水印+源代码+文档说明+图片+报告pdf
- (优秀毕业设计)基于python实现的数字图像可视化水印系统的设计与实现,多种数字算法实现+源代码+文档说明+理论演示pdf
- 基于DWT-DCT-SVD和deflate压缩的数字水印方法python源码+Gui界面+演示视频(高分毕业设计)
- 基于matlab实现DWT、DCT、SVD算法数字图像水印可视化系统+GUI界面+文档说明+详细注释(高分毕业设计)
- NCIAE-Data-Structure大一大二笔记
- 学习wireshark笔记
- digital-image-数据可视化笔记
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功