面向FT-M7002平台点积算法的优化实现

计算机工程与科学 ›› 2022, Vol. 44 ›› Issue (11): 1909-1917.

面向FT-M7002平台点积算法的优化实现

郭盼盼1,2,陈梦雪3,梁祖达1,2,马晓畅3，许邦建4

(1.郑州大学计算机与人工智能学院，河南郑州 450066；2.国家超级计算郑州中心(郑州大学)，河南郑州 450001；
3.湖南大学电气与信息工程学院，湖南长沙 410082；4.湖南大学信息科学与工程学院，湖南长沙 410082)

收稿日期:2022-02-07 修回日期:2022-04-01 接受日期:2022-11-25 出版日期:2022-11-25 发布日期:2022-11-25

Optimization of dot product algorithms on FT-M7002

GUO Pan-pan1,2,CHEN Meng-xue3,LIANG Zu-da1,2,MA Xiao-chang3,XU Bang-jian4

(1.School of Computer and Artificial Intelligence,Zhengzhou University,Zhengzhou 450066；
2.National Supercomputing Center in Zhengzhou(Zhengzhou University),Zhengzhou 450001;
3.School of Electrical and Information Engineering,Hunan University,Changsha 410082;
4.School of Information Science and Engineering,Hunan University,Changsha 410082,China)

Received:2022-02-07 Revised:2022-04-01 Accepted:2022-11-25 Online:2022-11-25 Published:2022-11-25

摘要/Abstract

摘要： 基于国产的FT-M7002平台高性能DSP，针对不同类型的点积算法进行了优化实现,完善了该处理器平台数学库的技术链,充分发挥了FT-M7002内核体系结构优势，对点积算法实现了SIMD向量并行化、DMA双通道传输和SVR传输等优化。该研究充分挖掘了程序的向量并行性，有效地提升了数据传输的速度，提高了程序性能。实验结果表明，输入不同规模大小的数组，不同类型的点积算法在FT-M7002平台上优化后和优化前的平均性能比为12.416 6~45.233 8。相较于TI官网的dsplib库中不同类型的点积函数在TMS320C6678处理器上运行的性能，FT-M7002平台优化后的性能与TI平台的平均性能比为1.371 6~4.519 6。实验结果表明了该DSP平台相对于TI主流平台的计算性能优势。

关键词: FT-M7002, DSP, 点积算法, 向量, DMA双通道传输, SVR传输

Abstract: On the high-performance DSP of domestic FT-M7002 platform, different types of dot product algorithms are optimized and implemented. The technical chain of the mathematical library of the processor platform is consummated. Taking full advantage of FT-M7002 kernel architecture, SIMD vector parallelization, DMA dual channel transmission, SVR transmission and other optimization methods for dot product algorithm are realized. The research fully excavates the vector parallelism of the program, effectively improving the speed of data transmission and improving the performance of the program. The experimental results show that the average performance ratio of different types of dot product algorithms after and before optimization on FT platform is 12.416 6~45.233 8. Compared with the performance of different types of dot product functions in dsplib library on TI official website on TMS320C6678 processor, the average performance ratio between FT platform and TI platform is 1.371 6 ~ 4.519 6. The research results show that the DSP platform has obvious computational performance advantages over TI mainstream platform.

Key words: FT-M7002, digital signal processor(DSP), dot product algorithm, vector, DMA dual channel transmission, SVR transmission

郭盼盼, 陈梦雪, 梁祖达, 马晓畅, 许邦建. 面向FT-M7002平台点积算法的优化实现[J]. 计算机工程与科学, 2022, 44(11): 1909-1917.

GUO Pan-pan, CHEN Meng-xue, LIANG Zu-da, MA Xiao-chang, XU Bang-jian. Optimization of dot product algorithms on FT-M7002[J]. Computer Engineering & Science, 2022, 44(11): 1909-1917.

[1]	田玉恒,马胜,鲁建壮,杨柳. 一种高效的DMA核间同步传输方法[J]. J4, 20160101, 38(01): 52-56.
[2]	姜晶菲, 何源宏, 许金伟, 许诗瑶, 钱希福. NM-SpMM：面向国产异构向量处理器的半结构化稀疏矩阵乘算法[J]. 计算机工程与科学, 2024, 46(07): 1141-1150.
[3]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(07): 1175-1184.
[4]	王钦晨, 段利国, 王君山, 张昊妍, 郜浩. 基于BERT字句向量与差异注意力的短文本语义匹配策略[J]. 计算机工程与科学, 2024, 46(07): 1321-1330.
[5]	时洋, 陈照云, 孙海燕, 王耀华, 文梅, 扈啸. 面向飞腾迈创DSP的自主软件栈设计[J]. 计算机工程与科学, 2024, 46(06): 968-976.
[6]	陈杰, 李程, 刘仲. 面向多核向量加速器的卷积神经网络推理和训练向量化方法[J]. 计算机工程与科学, 2024, 46(04): 580-589.
[7]	刘仲, 李程, 田希, 刘胜, 邓让钰, 钱程东. MVSim：面向VLIW多核向量处理器的快速、可扩展和精确的体系结构模拟器[J]. 计算机工程与科学, 2024, 46(02): 191-199.
[8]	郑康, 李晨, 陈海燕, 刘胜, 方粮. 超长指令字DSP标量访存单元的设计与优化[J]. 计算机工程与科学, 2023, 45(11): 1929-1940.
[9]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[10]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[11]	胡庆孟, 王红斌, 王俊钟. 基于NPN融入词性注意力机制的中文事件探测[J]. 计算机工程与科学, 2023, 45(08): 1490-1497.
[12]	喻金平, 朱伟锋, 廖列法. 基于RoBERTa-wwm-BiLSTM-CRF的扶持政策文本实体识别研究[J]. 计算机工程与科学, 2023, 45(08): 1498-1507.
[13]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[14]	李小玲, 方建滨, 马俊, 谭霜, 谭郁松. 基于监督学习的稀疏矩阵自动任务分配[J]. 计算机工程与科学, 2023, 45(05): 782-789.
[15]	排日旦·阿布都热依木, 吐尔地·托合提, 艾斯卡尔·艾木都拉, . 基于深度学习的实体关系抽取方法研究[J]. 计算机工程与科学, 2023, 45(05): 895-902.