首页
›
工业控制与工业互联网
›
030-Edge AI硬件加速NPU调度
›
《Edge AI NPU调度器性能指标采集与分析》
VIP20
本课程属于:030-Edge AI硬件加速NPU调度
工业控制与工业互联网 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
Edge AI NPU调度器性能指标采集与分析
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入
学习目标
02
边缘AI与NPU基础
边缘计算架构 · NPU工作原理 · 典型NPU产品(如华为昇腾
AI
NPU
03
调度器概述
调度器功能 · 调度策略(静态/动态) · 与CPU/GPU调度的区别
调度器概述
调度器功能
04
性能指标体系
定义关键指标(吞吐量 · 延迟 · 利用率
性能指标体系
定义关键指标
05
指标采集原理
硬件计数器 · 性能监控单元(PMU) · 软件探针
指标采集原理
硬件计数器
06
采集工具链
常用工具(perf · npu-smi · profiler
采集工具链
perf
07
指标采集环境搭建
配置开发板/边缘设备 · 安装驱动 · 设置权限
指标采集环境搭建
配置开发板
08
调度器性能指标采集实战
使用命令行工具采集NPU利用率 · 内存带宽 · 任务队列深度
调度器性能指标采…
NPU
09
时间戳与同步
多源数据时间对齐 · 时钟同步方法(PTP · NTP)
时间戳
同步
10
数据采样策略
采样频率 · 事件驱动采样 · 周期采样
数据采样策略
采样频率
11
指标数据存储
时序数据库(InfluxDB · Prometheus) · 文件格式(CSV
指标数据存储
InfluxDB
12
数据预处理
清洗 · 去重 · 异常值检测
数据预处理
清洗
13
性能分析基础
统计方法(均值 · 分位数 · 标准差)
性能分析基础
统计方法
14
调度延迟分析
任务提交到完成的时间分解 · 排队延迟 · 执行延迟
调度延迟分析
任务提交到完成的…
15
吞吐量分析
不同批大小 · 并发任务数下的吞吐量变化 · 瓶颈识别
吞吐量分析
不同批大小
16
利用率分析
NPU计算单元 · 内存 · 总线利用率
利用率分析
NPU
17
功耗与能效分析
功耗采集方法 · 能效比(TOPS/W) · 动态电压频率调整(DVFS)影响
功耗
能效分析
18
调度策略对比实验
设计实验比较不同调度算法(FIFO · 优先级 · 时间片轮转)的指标差异
调度策略对比实验
FIFO
19
多任务场景分析
多模型并发 · 优先级反转 · 资源争抢对指标的影响
多任务场景分析
多模型并发
20
实时性分析
硬实时与软实时指标 · 最坏执行时间(WCET) · 抖动分析
实时性分析
硬实时
21
可视化与报表
使用Grafana · Matplotlib等工具展示指标趋… · 热力图
可视化
报表
22
异常检测与告警
基于阈值 · 统计过程控制(SPC) · 机器学习方法识别性能异常
异常检测
告警
23
性能瓶颈定位
结合指标数据与日志 · 定位调度器瓶颈(如锁竞争 · 中断风暴)
性能瓶颈定位
结合指标数据
24
优化策略
基于指标分析结果调整调度参数 · 任务优先级 · 资源分配
优化策略
基于指标分析结果…
25
案例实战
基于真实边缘AI应用(如视频流分析)…
案例实战
AI
26
常见问题与调试
采集数据不准确 · 时间戳错乱 · 工具冲突
常见问题
调试
27
安全与隐私
指标采集对系统安全的影响 · 数据脱敏 · 合规性考虑
安全
隐私
28
自动化采集框架
编写脚本或使用平台(如Kuberne…
自动化采集框架
Kuberne
29
综合项目
设计一个完整的调度器性能监控系统 · 从需求分析到部署实施
综合项目
设计一个完整的调…
30
课程总结与进阶
回顾核心知识点 · 探讨前沿方向(如AI驱动的调度 · 可观测性)与学习资源
课程总结
进阶
所属VIP或分类
同VIP:batch-size与NPU流水线并行调度实战教程
同VIP:batch-size动态调整策略与延迟优化实战教程
同VIP:batch-size对NPU推理吞吐量影响的实测分析课程