La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Encadré par : Monsieur A. BENYAMINA Monsieur P. BOULET Placement de tâches Répétitives sur une architecture régulière embarquée Présenté par : MOSTEFA.

Présentations similaires


Présentation au sujet: "Encadré par : Monsieur A. BENYAMINA Monsieur P. BOULET Placement de tâches Répétitives sur une architecture régulière embarquée Présenté par : MOSTEFA."— Transcription de la présentation:

1 Encadré par : Monsieur A. BENYAMINA Monsieur P. BOULET Placement de tâches Répétitives sur une architecture régulière embarquée Présenté par : MOSTEFA Meriem Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound Multi Objectif 1

2 Calcul intensif (DSP) et applications répétitives Problématique Optimisation Multi-Objectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound Multi-Objectif Placement de tâches Répétitives sur une architecture régulière embarquée 2 plan

3 Introduction Un système embarqué peut être défini comme un système électronique et informatique autonome, qui est dédié à une tâche bien précise. Ses ressources disponibles sont généralement limitées. + Système embarqué Environnement des systèmes embarqués. Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif CNA Placement de tâches Répétitives sur une architecture régulière embarquée 3

4 4 Traitement Sortie Entrée Appel DSP Du fait que le type du DSP quon utilise par exemple (TMS320C6416) est de type à virgule fixe, donc il faut: Définir pour chaque donnée la position de la virgule, cest à dire le nombre de bits pour les parties fractionnaires et les parties entières. Maintenir la fonctionnalité de lalgorithme Satisfaire la contrainte de précision Optimiser limplémentation de lalgorithme Evolution des processeurs DSP. Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée DSP

5 5 Estimation des paramètres en avec le filtre de kalman ? RADAR - Onde émise par le RADAR - Onde réfléchie par la cible Cible Le Filtre de Kalman Pseudo meilleur Estimateur Au Sens de la Minimisation de lerreur quadratique moyenne. Kalman est implémenté sur DSP. Estimer et Prédire la Trajectoire à nimporte quelle Cible. Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée Le Filtre de Kalman

6 6 Echantillon à partir de 512 hydrophones à linfini autour dun sous-marin. exemple typique dapplication intensive Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée

7 7 Illustration avant fusion Illustration après fusion Fusion de deux tâches répétitives Optimisation MultiObjectif Calcul Intensif (DSP) et Applications Repetitives Problématique Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée

8 Différentes répétitions dans Array-Ol 8 Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif illustration des différentes répétitions Placement de tâches Répétitives sur une architecture régulière embarquée

9 Mécanisme de modélisation de la Factorization 1 9 Component a3 : ComponentA a2 : ComponentA a1 : ComponentA PortsPartsConnectors Potential factorization: Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée

10 Modelisation du mecanisme de Factorization 2 10 Component [6 ] [3 ] a : ComponentA [3] [2 ] [ ] «RepetitiveConnector» Repetitive Component Factorization expressed In the context of a repetitive component Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée Le composant répétitif contient une partie unique

11 Problématique 1 11 Q 13 Q 14 Graphe darchitecture P3 logiciel«BnB»logiciel«BnB» Placement Optimal Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif T1 T3 T4 T5 Tn T2 Graphe dapplication Placement de tâches Répétitives sur une architecture régulière embarquée SoC1 SoC2 p2 p1p1,.. - V exe dI cycle -E cons pour cycle - file dattente - mode i : v exe = cycle/U tps et E Architecture HW Cible

12 Problématique 2 exemple rapport motif tâches/ processeurs (3 Tche. /2 Proc. ) Remarque : pour un niveau i qui est représenté par Ti le Nbre de nœuds pour chaque niveau est (2*nbre processeurs ) i. T1 T2 T3 Placement de tâches Répétitives sur une architecture régulière embarquée 12

13 Problématique Flot de Conception GASPARD 13 Y model Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée

14 Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Loptimisation multi objectif 14 Loptimisation multi-objectifs vise à optimiser simultanément plusieurs objectifs souvent contradictoires. Objectifs : Rechercher lensemble des solutions satisfaisantes. Temps dexécution : :La durée dexécution de la tâche i au sein du processeur p en mode m. :La durée de communication entre tâche i et j placées respectivement sur les processeurs p et q. :Si la tâche i est affectée au processeur p en mode m alors X=1 sinon X=0. Energie consommée : :la consommation de la tâche i affectée au processeur p au mode m. :La consommation due à la communication entre la tâche i et j affectées respectivement au processeurs p et q. Placement de tâches Répétitives sur une architecture régulière embarquée

15 15 Concept général Opt{f(x) x X} Opt= Min ou Max X :ensemble des solutions réalisables f(x) : le coût de f à l optimum. Heuristiques Algorithme A* branch and bound Algorithme basique Exactes Recherche tabou Solution simplePopulation des solutions Algorithme génétique Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée

16 Front Pareto Temps Energie Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée dominés = Individus non dominés Identifier le front Pareto 16

17 Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Algorithme général Placement de tâches Répétitives sur une architecture régulière embarquée 17

18 Modélisation UML Diagramme dActivité Structure package Placement de tâches Répétitives sur une architecture régulière embarquée Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif 18

19 Diagramme de Classe : Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée 19

20 Un Exemple dune Plate-forme matérielle SIMD unit avec 16 Processeurs Elémentaires Topologie : Toroïdal 4x4 Grid Bidirectionnel Connections North-South. East-West. exemple de topologie toroïdal 4x4 Grid avec des connections bidirectionnelles. Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée Représentation dun élément extrait du composant matériel GASPARD. 20

21 Exemple 4x4 grille cyclique de communication PEs pe : PE [4,4] « Hw Repetitive Component » Cyclic Grid 4x4 « Self Connector » Repetition Space Dependence = {1,0} Modulo = true « Self Connector » Repetition Space Dependence = {1,0} Modulo = true Composant Répétitif Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée 21

22 Architecture DOWNSCALER Placement de tâches Répétitives sur une architecture régulière embarquée Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif 22

23 Exemple Encodeur H263 Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Expérimentation et Résultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée 23

24 24 Les solutions de placement non dominés du PARETO Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée Archivage avec contraintes du Temps et dEnergie des solution non dominées du Pareto pour BnB Séquentiel

25 25 Illustration des Meilleurs Solutions trouvées en vérifiant les contraintes temporelles du Dead Line de lapplication Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée Archivage du Pareto avec contraintes du Temps et dEnergie en vérifiant les contraintes temporelles pour BnB Séquentiel

26 le placement et lordonnancement via Diagramme Gantt Tps doccupation des Processeurs(tps de calcul) = T exe. Tps disponible Totale = La Durée dexe * nbre Processeurs. (avec : La durée dexe = T fin - T debut. ) Slack Total = Tps disponible Totale - Tps doccupation des Processeurs Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Placement de tâches Répétitives sur une architecture régulière embarquée 26

27 27 Placement de tâches Répétitives sur une architecture régulière embarquée Les solutions de placement qui vérifient les contraintes temporelles de Dead Line de nos résultats Expérimentaux avec le Branch and Bound Parallèle du Motif de 4 Taches. Archivage du Pareto qui verifient les contraintes du Total Min Slack avec BnB Parallèle Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif

28 28 Placement de tâches Répétitives sur une architecture régulière embarquée Diagramme du Gantt pour Motif 4 taches avec BnB Parallèle : Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif

29 29 Placement de tâches Répétitives sur une architecture régulière embarquée Archivage du Pareto avec contraintes du Temps et dEnergie en vérifiant les contraintes temporelles pour BnB Parallèle : introduction Embarquée Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif

30 30 BnB séquentiel BnB parallèle Placement de tâches Répétitives sur une architecture régulière embarquée Etude comparative entre BnB Parallel et BnB Séquentiel Illustration detude comparative entre BnB Sequentiel et BnB parallel en fonction du Temps de Recherche et le nombre de motifs executés Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif

31 Notre contribution pour construire un modèle comprenant les valeurs de temps d'exécution de chaque tâche sur chaque processeur en fonction du voltage ainsi que les performances des réseaux d'interconnexion en fonction du volume de données transportées. Dans le cadre de conception et développement du logiciel où ces valeurs sont fournies à l'algorithme Branch & Bound d'optimisation Parallèle multicritères qui propose un placement qui représente loptimum théorique « exact » ou plusieurs placements intéressants par rapport à ces performances et aussi en vérifiant le critère des contraintes temporelles pour le choix du motif Optimal. Perspective: on va essayer dOptimiser avec dautres contraintes comme la mémoire cache et la taille de la puce avec des Simulations réels. Calcul Intensif (DSP) et Applications Repetitives Problématique Optimisation MultiObjectif Implémentation Experimentation et Resultat Conclusion et perspectives introduction Embarquée Branch & Bound MultiObjectif Conclusion et perspectives 31

32 32

33 Vos Questions


Télécharger ppt "Encadré par : Monsieur A. BENYAMINA Monsieur P. BOULET Placement de tâches Répétitives sur une architecture régulière embarquée Présenté par : MOSTEFA."

Présentations similaires


Annonces Google