基于高带宽存储器的图计算加速机制的研究
这是一篇关于高带宽存储器,访存调度优化,交换网络,图计算,现场可编程逻辑门阵列的论文, 主要内容为信息时代背景下,图计算已经广泛应用于多种现实场景,如商品推荐、社交网络、金融风控、网络安全以及知识图谱等。随着5G时代的到来,图数据的规模更是呈现爆发式增长,因此提高图计算的性能尤为重要。此外,由于图计算系统的发展速度较快,远超过常用的存储器,因此系统性能往往受到存储器的限制,而采用高带宽存储器的方案是目前有望突破这一限制的有效策略之一。尽管高带宽存储器具有高带宽、高效率以及低功耗等优势,但高带宽存储器为达成全局寻址而采取的交换架构会影响带宽的利用,因此如何实现高带宽存储器的充分利用,从而提高图计算性能,仍是该领域面临的主要挑战之一。为了提高图计算系统中高带宽存储器的带宽利用率,本文提出了一种访存优化策略,并将其用在了一种通用的图计算系统中。该策略在三层Clos交换网络架构的基础上采用固定路由正交链路调度算法,能够使高带宽存储器在满足全局寻址功能的同时,充分利用其高带宽的特性,并且具有较为简单的模块设计、较少的资源消耗以及较好的可扩展性,进而可以支持更多的并行处理单元数量。在将该策略应用到图计算系统时,通过采用突发传输来降低高带宽存储器较高的读写延迟带来的影响,运用位图提高图计算过程中的访存效率,通过使用多个处理单元以及多个高带宽存储器的伪通道提高计算并行性。本文在使用不同存储器方案的图计算系统中对广度优先算法与网页排名算法进行实验测试,实验结果表明两个图算法在采用单个HBM堆栈的图计算系统下调度优化方案的测试性能相较于DDR的性能得到了 5.91～6.02倍的提升,全局寻址模式方案与DDR方案相比其性能提升4.15～4.48倍;调度优化方案相较于全局寻址的方案其带宽利用率提升了 1.32～1.45倍。
基于高带宽存储器的图计算加速机制的研究
这是一篇关于高带宽存储器,访存调度优化,交换网络,图计算,现场可编程逻辑门阵列的论文, 主要内容为信息时代背景下,图计算已经广泛应用于多种现实场景,如商品推荐、社交网络、金融风控、网络安全以及知识图谱等。随着5G时代的到来,图数据的规模更是呈现爆发式增长,因此提高图计算的性能尤为重要。此外,由于图计算系统的发展速度较快,远超过常用的存储器,因此系统性能往往受到存储器的限制,而采用高带宽存储器的方案是目前有望突破这一限制的有效策略之一。尽管高带宽存储器具有高带宽、高效率以及低功耗等优势,但高带宽存储器为达成全局寻址而采取的交换架构会影响带宽的利用,因此如何实现高带宽存储器的充分利用,从而提高图计算性能,仍是该领域面临的主要挑战之一。为了提高图计算系统中高带宽存储器的带宽利用率,本文提出了一种访存优化策略,并将其用在了一种通用的图计算系统中。该策略在三层Clos交换网络架构的基础上采用固定路由正交链路调度算法,能够使高带宽存储器在满足全局寻址功能的同时,充分利用其高带宽的特性,并且具有较为简单的模块设计、较少的资源消耗以及较好的可扩展性,进而可以支持更多的并行处理单元数量。在将该策略应用到图计算系统时,通过采用突发传输来降低高带宽存储器较高的读写延迟带来的影响,运用位图提高图计算过程中的访存效率,通过使用多个处理单元以及多个高带宽存储器的伪通道提高计算并行性。本文在使用不同存储器方案的图计算系统中对广度优先算法与网页排名算法进行实验测试,实验结果表明两个图算法在采用单个HBM堆栈的图计算系统下调度优化方案的测试性能相较于DDR的性能得到了 5.91～6.02倍的提升,全局寻址模式方案与DDR方案相比其性能提升4.15～4.48倍;调度优化方案相较于全局寻址的方案其带宽利用率提升了 1.32～1.45倍。
制造行业工艺知识图谱平台的设计与实现
这是一篇关于工艺知识,知识图谱,图计算,图算法的论文, 主要内容为在科技信息快速发展的时代,制造业处于高质量发展的关键时期。工艺知识是制造企业长期生产中积累下来的重要资源,如何有效地利用这些资源,增强企业的核心竞争力成为了制造行业关注的重点。工艺知识具有种类繁多、规模巨大和关系复杂的特点,传统的工艺知识管理方案并不能满足企业对于工艺知识的表达和应用需求,因而制造业需要一种能对大规模数据进行直观表达和应用的工艺知识管理方法。随着知识图谱的产生和应用,越来越多的数据采用图的形式进行管理,知识图谱以其强大的信息构建能力为制造业的工艺知识管理带来了新的思路,而图计算技术作为基于图论的分析方法,为工艺知识挖掘提供了便捷而高效的途径。因此,本文对工艺知识图谱的构建以及图计算算法进行了研究,并基于此研究,设计开发了制造行业工艺知识图谱平台。主要研究内容如下:(1)在对制造行业工艺知识图谱平台进行需求分析的基础上,完成了制造行业工艺知识图谱平台整体架构的设计,包含数据层、工艺知识图谱构建层、图计算技术层和分析应用层等,并对功能模块进行了划分。(2)构建工艺知识图谱,采用基于深度学习的NER框架中的Bi LSTM-CRF模型对工艺知识进行实体识别,采用基于循环网络的关系抽取模型对实体关系进行抽取,基于图数据库Neo4j采用知识图谱的图模型对工艺知识图谱进行建模和存储,提出了工艺知识图谱质量评估指标体系和质量评估方法,并进行了实例验证。(3)针对制造企业识别工艺过程关键环节的需求,基于改进的K-Shell分解算法对Page Rank算法进行优化,形成了I-Page Rank算法,实现了工艺知识图谱关键节点的识别,并对I-Page Rank算法的有效性与准确性进行了验证。(4)在平台总体架构和功能模块的基础上,基于Java Web开发技术完成了制造行业工艺知识图谱平台的开发。
分布式图数据库计算调度技术研究
这是一篇关于分布式图数据库,图查询,图计算,并行计算调度的论文, 主要内容为伴随互联网的快速发展,海量数据迅速膨胀,各实体之间的关系也越发复杂和多样。传统的关系型数据库在面对如社交网络、知识图谱等网状关系结构时已难以及时有效地进行查询和计算,而图数据库采用顶点和边的形式表述实体和实体的关系,面对复杂网状数据下图查询和图计算任务都具备较大的性能优势。伴随着数据量的上升,为了满足面对海量数据的存储与计算需求,需采用分布式架构对图数据库系统进行设计。面对并发场景下的复杂图查询任务,对分布式资源的调度和分配方法会对单次查询的时延和系统整体的吞吐率产生明显影响。本文基于存算分离的分布式图数据库系统架构,提出了一套计算层调度框架,用以优化查询计划树、在并行查询场景下合理调度资源,更高效的完成图查询和图计算任务,提升查询效率。主要工作内容如下:1.设计了面向图数据的基数估计方法和查询优化方法。采用面向图模式的无偏采样方法对查询基数与执行代价进行预估。基于规则与代价模型实现算子下推、算子组合与查询计划树重构,生成适用于分布式场景的物理计划树。2.对分布式算子提出了分片策略。设计了基于数据分区的算子分片方法。基于基数估计结果与资源负载状况,根据算子的执行特征进行动态算子分片,在提升算子内并行度的同时,实现系统内计算资源的负载均衡。设计了面向图遍历的分布式图拓扑构建方法,针对多圈层遍历任务设计了并行计算方法,提升了图拓扑构建与路径计算的执行效率。3.设计了分布式图查询与图计算调度方法。采用两级调度策略,对查询计划树基于算子依赖关系构筑流水线,并通过阶段划分方法,基于基数估计和资源负载对计划树进行动态的分布式协同调度,实现较高的算子间并。通过基于数据临近性的算子下发策略,充分利用中间缓存以降低网络传输时延。在测试中,本文对应用了该框架的图数据库系统进行了完整的功能和性能测试,测试结果显示系统在图查询任务上具备较好的表现,能够支撑大部分的查询请求,在多会话查询场景下具备较好的查询性能。
基于高带宽存储器的图计算加速机制的研究
这是一篇关于高带宽存储器,访存调度优化,交换网络,图计算,现场可编程逻辑门阵列的论文, 主要内容为信息时代背景下,图计算已经广泛应用于多种现实场景,如商品推荐、社交网络、金融风控、网络安全以及知识图谱等。随着5G时代的到来,图数据的规模更是呈现爆发式增长,因此提高图计算的性能尤为重要。此外,由于图计算系统的发展速度较快,远超过常用的存储器,因此系统性能往往受到存储器的限制,而采用高带宽存储器的方案是目前有望突破这一限制的有效策略之一。尽管高带宽存储器具有高带宽、高效率以及低功耗等优势,但高带宽存储器为达成全局寻址而采取的交换架构会影响带宽的利用,因此如何实现高带宽存储器的充分利用,从而提高图计算性能,仍是该领域面临的主要挑战之一。为了提高图计算系统中高带宽存储器的带宽利用率,本文提出了一种访存优化策略,并将其用在了一种通用的图计算系统中。该策略在三层Clos交换网络架构的基础上采用固定路由正交链路调度算法,能够使高带宽存储器在满足全局寻址功能的同时,充分利用其高带宽的特性,并且具有较为简单的模块设计、较少的资源消耗以及较好的可扩展性,进而可以支持更多的并行处理单元数量。在将该策略应用到图计算系统时,通过采用突发传输来降低高带宽存储器较高的读写延迟带来的影响,运用位图提高图计算过程中的访存效率,通过使用多个处理单元以及多个高带宽存储器的伪通道提高计算并行性。本文在使用不同存储器方案的图计算系统中对广度优先算法与网页排名算法进行实验测试,实验结果表明两个图算法在采用单个HBM堆栈的图计算系统下调度优化方案的测试性能相较于DDR的性能得到了 5.91～6.02倍的提升,全局寻址模式方案与DDR方案相比其性能提升4.15～4.48倍;调度优化方案相较于全局寻址的方案其带宽利用率提升了 1.32～1.45倍。
基于图计算的辣椒病理推理方法研究
这是一篇关于辣椒病理推理,知识图谱,时序图,图计算的论文, 主要内容为辣椒是我国主要的蔬菜作物之一,辣椒在生长过程中容易受到病害的影响,这会导致辣椒的产量和品质下降,因此准确推断辣椒所患病害就显得尤为重要。传统的辣椒病害推断任务通常由专家通过人工识别来完成,但这会耗费大量的人力和物力,为解决辣椒病理推理问题,本文主要开展了以下的工作:(1)本文构建了静态辣椒病理知识图谱。针对辣椒病害文本数据杂乱分散的问题,本文提出构建辣椒病害领域知识图谱,以九种常见辣椒病害为例,根据辣椒植株在感染某种病害后在其根、茎和叶等部位所表现出的不同症状构建知识图谱。该知识图谱在后文为基于辣椒患病植株在根、茎和叶等部位的患病表现进行辣椒病害推理构建辣椒病害计算图起到理论支撑作用。(2)本文构建了辣椒病理动态图。静态辣椒病理知识图谱并不拥有时间概念,它更多的是描述某种辣椒病害在根、茎和叶等部位所具有的表现,但并不关注这些表现出现的先后顺序。但由辣椒植株的生长规律可以得知,患病植株在不同局部部位所表现出来的症状是会随着时间推移而发生相应变化的。为了刻画这种辣椒植株患病表现的动态性,本文构建了辣椒病理动态图,分时刻描述辣椒病害的患病表现,该辣椒病理动态图为后文基于动态图进行辣椒病理推理提供理论支撑。(3)本文分别基于静态图和动态图进行了辣椒病理推理。静态图推理中使用了不同的图神经网络进行了基于图计算的辣椒病理推理实验,并使用了卷积神经网络进行了对比实验以证明基于图计算进行辣椒病理推理任务的有效性。动态图推理中,提出了基于动态图的辣椒病理推理模型,与一般使用图神经网络和循环神经网络来处理动态图表示问题不同,该模型提出了使用编码器-解码器框架来学习动态图的变化性,此外,该模型还采用了分层更新节点表示的方法,让节点表示过程也具有了动态性。(4)本文设计并实现了辣椒病害诊断系统。辣椒病害诊断系统能够帮助非专业人员对辣椒病害进行判定,通过该系统,能够提高辣椒病害判别效率,解决非专业人员只能依靠专家进行辣椒病害判定的痛点。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计工坊 ，原文地址：https://m.bishedaima.com/lunwen/46808.html
