PrIM (Processing-In-Memory) 基准测试项目使用教程
2024-09-19 05:54:09作者:齐冠琰
1. 项目目录结构及介绍
PrIM (Processing-In-Memory) 基准测试项目是一个用于评估和分析处理内存(PIM)架构的基准测试套件。以下是项目的目录结构及其介绍:
prim-benchmarks/
├── LICENSE
├── README.md
├── run_strong_full.py
├── run_strong_rank.py
├── run_weak.py
├── BFS/
│ ├── baselines/
│ │ ├── cpu/
│ │ └── gpu/
│ ├── data/
│ ├── dpu/
│ ├── host/
│ ├── support/
│ └── Makefile
├── BS/
├── GEMV/
├── HST-L/
├── HST-S/
├── MLP/
├── Microbenchmarks/
│ ├── Arithmetic-Throughput/
│ ├── CPU-DPU/
│ ├── MRAM-Latency/
│ ├── Operational-Intensity/
│ ├── Random-GUPS/
│ ├── STREAM/
│ ├── STRIDED/
│ └── WRAM/
├── NW/
├── RED/
├── SCAN-RSS/
├── SCAN-SSA/
├── SEL/
├── SpMV/
├── TRNS/
├── TS/
├── UNI/
└── VA/
目录结构介绍
- LICENSE: 项目的许可证文件。
- README.md: 项目的介绍和使用说明。
- run_strong_full.py: 用于运行强扩展实验的脚本。
- run_strong_rank.py: 用于运行强扩展实验的脚本。
- run_weak.py: 用于运行弱扩展实验的脚本。
- BFS/: 广度优先搜索(BFS)基准测试目录。
- baselines/: 包含CPU和GPU的基准实现。
- data/: 包含测试数据。
- dpu/: 包含DPU(DRAM Processing Unit)的实现。
- host/: 包含主机端的实现。
- support/: 包含支持文件。
- Makefile: 用于编译BFS基准测试的Makefile。
- BS/, GEMV/, HST-L/, HST-S/, MLP/, NW/, RED/, SCAN-RSS/, SCAN-SSA/, SEL/, SpMV/, TRNS/, TS/, UNI/, VA/: 其他基准测试目录,结构与BFS类似。
- Microbenchmarks/: 包含微基准测试目录,用于评估架构的各个方面。
2. 项目启动文件介绍
项目中有多个启动文件,用于运行不同类型的实验。以下是主要的启动文件及其功能介绍:
- run_weak.py: 用于运行弱扩展实验。弱扩展实验是指在增加DPU数量的同时,保持每个DPU的工作负载不变。
- run_strong_rank.py: 用于运行强扩展实验。强扩展实验是指在增加DPU数量的同时,增加总的工作负载。
- run_strong_full.py: 用于运行强扩展实验,但使用多个rank(多个DPU组)。
使用示例
# 运行弱扩展实验
python3 run_weak.py BFS
# 运行强扩展实验
python3 run_strong_rank.py BFS
# 运行强扩展实验(多rank)
python3 run_strong_full.py BFS
3. 项目配置文件介绍
项目中没有明确的配置文件,但可以通过修改启动脚本中的参数来配置实验。例如,在run_weak.py中,可以通过修改rootdir变量来指定项目的根目录。
rootdir = "/" # 修改为项目的实际路径
此外,每个基准测试目录中的Makefile也包含一些配置参数,例如NR_DPUS和NR_TASKLETS,用于指定DPU的数量和每个DPU的软件线程数。
示例
cd BFS
# 编译BFS基准测试,使用32个DPU和16个软件线程
NR_DPUS=32 NR_TASKLETS=16 make all
通过这些配置,可以灵活地调整实验的参数,以适应不同的测试需求。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355