1 / 8

Placement de Motifs

Placement de Motifs. Architecture. Application. Contraintes: - Charge - Mémoire - B.passante. Mapping: B&B bi objectif + Dijkstra. Objectifs: Min Tempsd’execution Min consommation d’énergie. Placements: - N Taches = Motif - AAS Motif - Front Pareto. Définitions. Architecture

lluvia
Download Presentation

Placement de Motifs

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Placement de Motifs Architecture Application Contraintes: - Charge - Mémoire - B.passante Mapping: B&B bi objectif + Dijkstra • Objectifs: • Min Tempsd’execution • Min consommation d’énergie Placements: - N Taches = Motif - AAS Motif - Front Pareto

  2. Définitions Architecture • Un ensemble (une grille) de processeurs identiques connectés avec une topologie d'interconnexion arbitraire. Caractéristiques: - Fréquence, Énergie consommé par cycle - Bande Passante, Latence - Énergie consommé par une unité de donnée Application • Un ensemble de tâches et de communications indépendantes et qui peuvent s'exécuter en parallèle selon n'importe quel ordre. Caractéristiques: - Taille en cycle - Taille des données d’entré Data In - Taille des données de sortie Data Out

  3. Mapping • Motif : Un ensemble de traitements (taches) et communications placés (AAS) sur un ensemble d'éléments d'exécution (PE) connectés à travers un réseau de l'architecture • Mapping par partie : - Calculer le placement d’un Motif. - Répéter X fois le placement : X = Taches Motif / Taches totales - Méthode de placement : méthode hybride (B&Bound+Dijkstra). • Avantages: - Faire l’AAS indépendamment du nombre total des tâches. - Minimiser la complexité du placement

  4. Algorithme • Introduire les caractéristiques de l‘architecture et des tâches répétitives • Motif_Taches = 0; Slack =∞ • Pour N= 2 …!! Faire - B&B + Dijksta pour tout placement : + m=mode max des processeurs + Vérification des contraintes + Atteint l’objectif D <= deadline. - Calcul du Slack + Sauvegarde le Min + Motif_Taches = N. • Fin Pour • Sauvegarde Placements de Motif_Taches

  5. Suite ... • Faire changer le mode des processeurs • Pour chaque placement sauvegardé: - Calcul de la Durée d’exécution - Calcul de la consommation d’energie. • Retenir le front de Pareto

  6. Main_Window Grid_Size :int NbTask : int New() ; Open() ; Save() ; Placement() ; Graph_Interface Branch&Bound Nodes :List Arc : int addNode(); getNode() ; addArc() ; getArc() ; NbrPE:int NbrTask : int Access() ; NewPlacement() ; Mis_a_jour() ; … Dijkstra Tools_Box SourcePE:int Destination : int FindVoisin() ; ExtraireMin() ; … NbrPE:int NbrTask : int Durée() ; Energie() ; Slack() ; … Diagramme de Classe

  7. Algo Branch And Bound • Pour N=2 --- !! *** Taches • l=1; *** indice • Tant que l <= Count *** Compteur des placements • Pour k=1 --- NbPE *** Pocesseurs • PE[]=Acces(k); • - Dijkstra (Data,RootPE,k); • Affect_Task_PE [l][N]=PE; • Verifie = Verif_contraintes(PE); • D=Exécution + Communication; Si (D <= Deadline) • Nouveau_Placement(l,N,k); • l=l+1; • Count = Count +1; • Fin Si • FinPour k • l=l+1; • Fin Tant que • Calculer le nouveaux Slack et déduire le Motif_Taches • FinPour N • Print Placements

  8. État actuel: 70% du travail. • Futures deadlines: - 15 jours : les résultats - 30 jours : dernières retouches

More Related