征程 6X CAMSYS 性能测试方案介绍

1.性能测试方法原理

CAMSYS 其性能指标主要包括:帧率、延迟,以及系统的 DDR 带宽、CPU 占用率等。

对于帧率、延迟,通过在驱动中创建 trace event,分别记录通路上的每个 IP,每帧开始处理(frame_start)和结束处理(frame_end)的时间戳信息和帧信息,来实现帧率计算和延迟统计。

1.1帧率统计

每个模块处理完成后会产生一个 frame_done 中断,此时会记录下一个 event 点,此时在时间轴上每一帧则对应一个个离散的点。按照时间进行 resample(重采样),得到每秒的帧率数据序列,此种方法可以较为直观的反应帧率变化。

1.2延迟统计

对于延迟会统计两个数据,第一个是硬件处理引入的耗时,这个数据一般与处理尺寸相关相对固定,这个耗时称为模块延迟(module latency);另外一个是从 cim 接受到一行数据产生 frame_start 开始到当前模块 frame_end 的耗时,这个耗时包括 sensor 的出图完成+前级 IP 硬件处理耗时+软件耗时,这个延迟称为到某模块的通路延迟(flow latency)。

1.2.1模块延迟

只需要将该模块 trace 的帧 event 中的 fe 时间戳 - fs 时间戳即可得到硬件处理耗时,即为 module latency

模块 模块延迟含义 备注
CIM CIM FE - CIM FS
ISP ISP FE - ISP FS
YNR YNR FE - YNR FS
PYM PYM FE - PYM FS
GDC GDC FE - GDC FS 此处 GDC FS 不代表中断,指得是配置寄存器 triger 硬件开始处理得时间
STITCH STITCH FE - STITCH FS 此处 stitch FS 不代表中断,指得是配置寄存器 triger 硬件开始处理得时间

1.2.2通路延迟

在 trace 的 event 中会传递 cim 的 fs 时间戳(timestamp),因此只需将模块的 fe event 时间戳-timestamp,即可得到从第一行像素输入开始到当前的整个通路延迟。

如以到 GDC 的通路延迟为例,那么统计的通路延迟就包含如图所示的所有延迟。

模块 通路延迟含义 备注
CIM CIM FE - CIM FS 等同于 CIM 的模块延迟
ISP ISP FE - CIM FS
YNR YNR FE - CIM FS
PYM PYM FE - CIM FS
GDC GDC FE- CIM FS
STITCH STITCH FE - CIM FS

1.3CPU 占用率统计

统计两个指标,一个是统计测试时 CPU 整体的 load;第二个是开发工具统计感知通路相关进程以及内核线程造成的 CPU 开销。前者反应当前测试的环境的状态,后者反应 CAMSYS 软件的开销。

1.4DDR 带宽统计

使用 hurt_ddr 工具获取 DDR 读写信息,主要统计整体的 DDR 读写带宽与 CMA SYS 的读写带宽。

2报告解读

基础数据信息中包含着测试环境、测试用例等固定信息

数据分析划分为两部分,第一部分为 VPS 的帧率、延迟分析,每个颜色块对应着某一条通路在该模块的帧率和延迟数据,其中延迟为到该模块的通路延迟。

第二部分为系统 load 分析,包括系统整体的 CPU、DDR load,也包括 VPS 对应的 CPU load、CMA SYS 读写带宽

2.1可视化图形解读

VPS 的数据分析中, 每个模块的每个通路对应一个可视化结果: 第一个子图为模块的硬件处理耗时,纵轴为耗时(ms),横轴为帧序,如下图的 isp_latency;

第二个子图为到该模块的通路延迟,纵轴为耗时(ms),横轴为帧序,如下图中的 vin->isp_flow_latency;

第三个子图为对应的帧率统计序列,纵轴为帧率),横轴为时间(s)

系统负载分析中,第一个子图为 CPU load, 纵轴为 loading(%),横轴为时间(s);第二个子图为 DDR 读写带宽,纵轴为带宽(MB/s),横轴为时间(s)。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/903601.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数据结构2

概率论与数理统计1-基本概念 概率论与数理统计2-基本数据结构 概率论与数理统计3-基本数据处理技术 基本的数据结构 - 数据结构- 数据的逻辑结构- 线性结构- 线性表- 栈(特殊的线性表)- 队列(特殊的线性表)- 字符串- 数组- 广义表- 非线性结构- 树型结构- 图型结构- 数据的存储…

day7 刷牛客华为机试题+学java

https://www.nowcoder.com/exam/oj/ta?page=1&tpId=37&type=37 字符串 第一题:第二题: 省行版:逻辑版:java网课学习: 多态调用成员变量,编译看左边,运行也看左边。调用成员方法时,编译看左边,运行看右边。if(a instanceof Dog d) 导包final 修饰引用类型地址…

【Docker】MySQL、Reids、Mongodb、Nacos、RabitMQ安装指南

1 docker的下载 建议通过 火绒应用商店 或者 联想应用商店 下载 2 配置Docker 配置镜像站 https://docker.1panel.live {"builder": {"gc": {"defaultKeepStorage": "20GB","enabled": true}},"experimental": fa…

Web前端入门第 22 问:CSS 选择器一览

HTML 在语法上并无大小限制,所以其结构可以浩瀚无边,CSS 选择器的作用则是在这些复杂的 HTML 结构中进行元素定位。 示例代码 记住此代码,后面所有的 css 选择器都是基于此代码。 注意:代码中存在两个一样的 id="p1" 元素,仅为了演示效果,正常编码中请保证 id …

曼哈顿距离和切比雪夫距离

曼哈顿距离(Manhattan Distance) 解释:只能横着或竖着走,坐标上两点的距离 假设存在两点 \(A(x_1, y_1)\) \(B(x_2, y_2)\) \(dis(A, B) = |x_1 - x_2| + |y_1 - y_2|\)对于上方求曼哈顿距离的式子,有四种情况 \( \begin{cases} x_1 > x_2 & y_1 > y_2 & {…

如何设置家用威联通 NAS UPS 断电后自动关机并通知其他设备?

场景📝备注: 求轻喷, 求放过. 😅 我真的是个理线方面的白痴. 这已经是我的极限了. 😂我的家庭实验室 Homelab 服务器集群配置如下.上半部分之前已经介绍过了, 这里就不再赘述了. 今天重点介绍介绍 UPS 和 NAS 部分.1台 UPS, 型号为 APC Back-UPS 650. 插座插着: NAS 和 插…

[扫描线] 数据结构测试(2025.3.22)

暴力大赛,赛时暴力打满喜提80pts,可惜T1没想到暴力。 难度:T2<T1<T3.T1 第1题 团队 查看测评数据信息有n个工人,第i个工人的能力是v[i], 他只与能力在L[i]到R[i]之间的人在一起工作,问最多能选出多少人在一起工作。输入格式第一行,一个整数n, 1 <= n <…

centOS 上部署hadoop+mysql+hive 服务之hadoop安装

以下安装的hadoop版本是3.3.6 ,由于hadoop是运行于java环境,因此,需要提前安装java jdk并配置环境变量。 jdk的安装及配置: jdk8 国内下载路径:https://repo.huaweicloud.com/java/jdk/8u202-b08/ 可根据实际需要选择对应的jdk版本 1、下载jdkwget https://repo.huaweicl…

创建django视图和路由

第一个视图 from django.shortcuts import render from django.http import HttpResponse# Create your views here. def hello(request):msg = Hello World!!!return HttpResponse(msg)第一个路由 from django.urls import path from .views import hellourlpatterns = [path(…

8.4.3 基于循环神经网络的字符级语言模型

字符级语言模型的优缺点见下 好处:不用担心\(\left<\text{UNK}\right>\)的出现 坏处:最终的序列要长的多;训练也要复杂得多(对内存和速度的要求都要高得多) 现如今,人们一般使用单词级RNN,但是也有特殊情况会使用字符级RNN 在训练了一个RNN后,我们可以利用这个RN…

【rflysim】文档笔记:3.三维场景建模与仿真

仅为笔记,较为随意,欢迎交流⚠该博客只是个人笔记,可能包含大量未经考证的理解内容,故不建议有获取准确知识需求的朋友来阅读。 欢迎讨论指出错误:D 由于目前暂时不需要进行建模方面的内容,故仅对本文档进行一个简单的阅读了解,方便后面其他的文档阅读。 一、 三维场景建…

关于 LCA (最近公共祖先)

最近公共祖先!对于一棵树上的两个点,他们的所有公共祖先中深度最大的那一个被称为它们的最近公共祖先(LCA)。求 LCA 有很多不同的方法。倍增 倍增求 LCA,首先需要对树进行 dfs(废话),标记每个节点的直接父亲(\(2^0\) 级祖先)。然后我们就可以利用倍增的思想预处理它的…