一种基于图嵌入的机载计算平台性能测试方法技术

本发明专利技术提供了一种基于图嵌入的机载计算平台性能测试方法，应用于机载计算平台，包括：构建性能指标池、测试算法池、测试数据池；所述性能指标池用于指定机载性能的测试项，所述测试算法池用于指定压力测试的模型，所述测试数据池用于指定测试算法的数据范畴；通过性能测试指标选取方法，在所述性能指标池中获取最优的性能指标，为不同机载计算平台获取最优性能测试指标子集，形成测试方法；所述性能测试指标选取方法，是基于图嵌入的方法，利用所述性能指标池中子集作为自变量，机载计算平台服务能力作为因变量，获得所述最优性能测试指标子集。本发明专利技术能够满足不同任务机载计算平台的需求，且具有高度的可扩展性。且具有高度的可扩展性。且具有高度的可扩展性。

【技术实现步骤摘要】
一种基于图嵌入的机载计算平台性能测试方法


[0001]本专利技术涉及航空性能测试
，具体涉及一种基于图嵌入的机载计算平台性能测试方法。

技术介绍

[0002]随着人工智能技术的发展，越来越多的智能算法被应用到观察、感知、决策和控制等OODA环节中。由于感知、决策等相关智能算法对算力、存储和网络等方面的具有不同的要求，给如何确定机载计算平台的性能能力提出了新的需求，如综合化、多任务、实时控制、高安全等。然而，目前对机载计算平台性能测试主要采用通用计算平台的性能指标和测试方法，没有一套成熟、标准的、有针对性的机载计算平台性能测试方法及工具来衡量平台对智能算法的支撑情况。因此，设计一种机载计算平台性能测试指标选取方法及测试工具对平台性能评测、效能设计及改进具有重要的意义。

技术实现思路

[0003]有鉴于此，本申请实施例提供一种基于图嵌入的机载计算平台性能测试方法，本方法既解决了通用计算平台测试方法不能够充分衡量机载计算平台性能的问题，又可以根据不同场景任务灵活快速形成有针对性的性能测试方法，满足不同任务机载计算平台的需求。
[0004]本申请实施例提供以下技术方案：一种基于图嵌入的机载计算平台性能测试方法，应用于机载计算平台，包括：
[0005]构建性能指标池、测试算法池、测试数据池；所述性能指标池用于指定机载性能的测试项，所述测试算法池用于指定压力测试的模型，所述测试数据池用于指定测试算法的数据范畴；
[0006]通过性能测试指标选取方法，在所述性能指标池中获取最优的性能指标，为不同机载计算平台获取最优性能测试指标子集，形成测试方法；
[0007]所述性能测试指标选取方法，是基于图嵌入的方法，利用所述性能指标池中子集作为自变量，机载计算平台服务能力作为因变量，获得所述最优性能测试指标子集。
[0008]根据本申请一种实施例，还包括，根据所述最优性能测试指标子集，在所述测试算法池、测试数据池中选择测试算法和测试数据，获得测试指标集合，形成所述测试方法。
[0009]根据本申请一种实施例，所述性能指标池中的性能指标包括：推理时延、吞吐量、利用率、功耗、能效比、负载均衡。
[0010]根据本申请一种实施例，所述测试算法池包括机器学习、多目标优化算法、深度学习、强化学习。
[0011]根据本申请一种实施例，所述测试数据池中包括公开数据集、自建数据集、仿真数据。
[0012]根据本申请一种实施例，所述公开数据集包括：用于图像分类的ImageNet、
CIFAR10，用于目标检测的COCO、MS
‑
COCO，用于语义分割的ADE20K，用于语音识别的Librispeech dev
‑
clean；所述自建数据集包括针对不同场地、不同目标采集的数据；所述仿真数据包括用于任务分配、多机协同的数据。
[0013]根据本申请一种实施例，所述机载计算平台包括飞控计算机、飞管计算机、综合处理计算机。
[0014]本专利技术提出一种基于图嵌入的机载计算平台性能测试方法，通过构建抽取、吸纳当前较优嵌入式平台及机载计算平台应具有的性能指标，构建性能指标池、测试算法池和测试数据池，性能指标用于指定机载性能的测试项，测试算法用于指定压力测试的模型，测试数据用于指定测试算法的数据范畴。提出一种性能测试指标选取方法，能有将机载平台需要的服务能力与测试用的服务指标通过图嵌入的方法进行映射匹配，得到能够满足服务能力要求的性能指标。本专利技术能够形成具有灵活度高、针对性强的机载计算平台性能测试方法，提高机载计算平台性能测试效率和结果的准确性，且具有高度的可扩展性，很好地支撑日益复杂的机载智能应用。
附图说明
[0015]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0016]图1是本专利技术实施例一种基于图嵌入的机载计算平台性能测试方法框架图；
[0017]图2是本专利技术实施例的性能测试指标选取方法框架图；
[0018]图3是本专利技术实施例的性能测试工具框架。
具体实施方式
[0019]下面结合附图对本申请实施例进行详细描述。
[0020]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]如图1
‑
图3所示，本专利技术实施例提供了一种基于图嵌入的机载计算平台性能测试方法，应用于机载计算平台，包括：
[0022]构建性能指标池、测试算法池、测试数据池；所述性能指标池用于指定机载性能的测试项，所述测试算法池用于指定压力测试的模型，所述测试数据池用于指定测试算法的数据范畴；
[0023]通过性能测试指标选取方法，在所述性能指标池中获取最优的性能指标，为不同机载计算平台获取最优性能测试指标子集，根据所述最优性能测试指标子集，在所述测试算法池、测试数据池中选择测试算法和测试数据，获得测试指标集合，形成测试方法；
[0024]所述性能测试指标选取方法，是基于图嵌入的方法，利用所述性能指标池中子集作为自变量，机载计算平台服务能力作为因变量，获得所述最优性能测试指标子集。
[0025]本专利技术实施例的基于图嵌入的机载计算平台性能测试方法可用于多种机载计算平台的性能测试，所述机载计算平台包括飞控计算机、飞管计算机、综合处理计算机等。
[0026]所述性能指标池，用于装载通用基准测试方法的性能指标及机载计算机关注的性能指标。所述测试算法池，用于验证出性能指标的算法，涉及传统机器学习、深度学习、强化学习等。所述测试数据池，用于测试算法推理过程使用。
[0027]所述性能测试指标选取方法，用于给不同机载计算平台分配性能评测选取最优性能测试指标子集。
[0028]在本实施例中，所述性能指标池吸纳的通用基准测试方法包括：MLperf、AI benchmark、Fathom、DeepSpeech等；所述性能指标池吸纳的机载计算平台涉及：飞管计算机、飞控计算机、综合任务处理机等；所述性能指标池的性能指标包括：推理时延、吞吐量、利用率、功耗、能效比、负载均衡等。
[0029]所述测试算法池，包括随机森林、贝叶斯等传统机器学习算法，也包括蜂群算法、蚁群算法等多目标优化算法，也包括神经网络(BP、深度、图等)、强化学习、深度强化学习等AI算法。
[0030]所述数据池组成包括：公开数据集、自建数据集、仿真数据。
[0031]所述数据集池中的公开数据集包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图嵌入的机载计算平台性能测试方法，应用于机载计算平台，其特征在于，包括：构建性能指标池、测试算法池、测试数据池；所述性能指标池用于指定机载性能的测试项，所述测试算法池用于指定压力测试的模型，所述测试数据池用于指定测试算法的数据范畴；通过性能测试指标选取方法，在所述性能指标池中获取最优的性能指标，为不同机载计算平台获取最优性能测试指标子集，形成测试方法；所述性能测试指标选取方法，是基于图嵌入的方法，利用所述性能指标池中子集作为自变量，机载计算平台服务能力作为因变量，获得所述最优性能测试指标子集。2.根据权利要求1所述的基于图嵌入的机载计算平台性能测试方法，其特征在于，还包括，根据所述最优性能测试指标子集，在所述测试算法池、测试数据池中选择测试算法和测试数据，获得测试指标集合，形成所述测试方法。3.根据权利要求1所述的基于图嵌入的机载计算平台性能测试方法，其特征在于，所述性能指标池中的性能指标包括：推理时延、吞吐量、利用率、功耗、能...

【专利技术属性】
技术研发人员：车凯，白林亭，王海翔，文鹏程，杨芷柔，张晓，
申请(专利权)人：中国航空工业集团公司西安航空计算技术研究所，
类型：发明
国别省市：