按照预设的规则,依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同,对测试数据集中的各条测试数据依次进行处理,其中,测试数据集中包括多条测试数据;
根据所述待测试设备对所述测试数据集中全部测试数据的处理结果,确定所述待测试设备的性能。
2.如权利要求1所述的方法,其特征在于,所述启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池之前,还包括:
确定所述待测试设备的中央处理器是否为多核处理器、且还包括至少一种其他类型处理器。
3.如权利要求1所述的方法,其特征在于,所述按照预设的规则,依次从所述待测试设备中选择一种处理器,包括:
4.如权利要求1所述的方法,其特征在于,所述根据所述待测试设备对所述测试数据集中全部测试数据的处理结果,确定所述待测试设备的性能,包括:
根据所述待测试设备对所述全部测试数据的处理时间及所述测试数据集中包含的测试数据量,确定所述待测试设备的最快处理速度。
5.如权利要求1所述的方法,其特征在于,所述测试数据集中还包括与每条测试数据对应的标注数据;
根据所述测试数据集中每条测试数据对应的处理结果与对应的标注数据的匹配度,确定所述待测试设备的准确度。
6.如权利要求1-5任一所述的方法,其特征在于,所述对测试数据集中的各条测试数据依次进行处理,包括:
依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同运行预设的处理模型,对测试数据集中的各条测试数据依次进行处理。
启动模块,用于启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池;
处理模块,用于按照预设的规则,依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同,对测试数据集中的各条测试数据依次进行处理,其中,测试数据集中包括多条测试数据;
第一确定模块,用于根据所述待测试设备对所述测试数据集中全部测试数据的处理结果,确定所述待测试设备的性能。
根据所述待测试设备对所述全部测试数据的处理时间及所述测试数据集中包含的测试数据量,确定所述待测试设备的最快处理速度。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的设备性能测试方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的设备性能测试方法。
本申请提出一种设备性能测试方法、装置及电子设备,属于计算机应用技术领域。其中,该方法包括:检启动包含线程数量与待测试设备的中央处理器的内核数量相同的线程池;按照预设的规则,依次从待测试设备中选择一种处理器与中央处理器的一个内核协同,对测试数据集中的各条测试数据依次进行处理,其中,测试数据集中包括多条测试数据;根据待测试设备对测试数据集中全部测试数据的处理结果,确定待测试设备的性能。由此,通过这种设备性能测试方法,实现了通过数字化指标衡量设备AI性能的极限能力,有助于用户直观了解设备的AI性能。
针对传统稠密矩阵分解方法中计算效率低、内存占用大的问题,提出通过块分解技术优化资源利用。方法利用上三角与下三角矩阵的逆运算,结合低精度计算提升效率,减少内存压力,从而更准确地评估计算系统的浮点...
针对现有AI推理框架运行于用户空间导致的系统开销高、资源孤岛、内存冗余拷贝及调度粒度粗放等问题,提出在Linux内核层级实现异构计算资源统一管理方案。通过内核动态调度器、共享内存池和异构协同引...
针对异构计算中算子间串行执行导致算力利用率低的问题,提出通过将中间表示图分割为子图,为每个算子分配对应计算引擎并分配至任务队列,实现算子内并行与算子间并行的协同执行。通过分析数据流向判断依赖关...
针对传统服务器测试中依赖人工配置环境、效率低、易出错的问题,提出通过固件升级动态调整服务器拓扑结构,并结合自动化测试脚本与环境配置工具,实现深度学习框架性能测试的全流程自动化。该方法通过更新s...
6、一种在CANN计算构架下自动优化晟腾AI处理器性能及精度的方...
针对CANN架构下昇腾AI处理器性能与精度难以兼顾的问题,提出基于遗传算法的优化方法。通过二进制编码算子数据类型,构建候选解种群并进行适应度评估,结合性能数据与溢出检测动态调整编码,利用交叉变...
针对传统AI服务器性能测试依赖人工、效率低下的问题,提出基于深度学习框架的自动化测试方法。通过自动化搭建软件环境、安装框架、设置参数并执行测试,实现对服务器数据处理性能的高效评估,提升测试效率...
本文由:壹号娱乐 - NG大舞台,有梦你就来提供


