optimize_aopT_optimize_aopOptimizeAopOptimizeAop (Operator)

Name

optimize_aopT_optimize_aopOptimizeAopOptimizeAop — Überprüfen der Hardware bezüglich des Potentials zur automatischen Operator-Parallelisierung.

Signatur

Beschreibung

HALCON unterstützt die automatische Parallelisierung (AOP) für eine Reihe von Operatoren. Mit optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop lässt sich eine effiziente Ausführung der Parallelisierung unabhängig von der Rechnerarchitektur gewährleisten. Daher können alle HALCON-Programme ohne Anpassungen an die Multiprozessor-Hardware durch den Benutzer verwendet werden, so dass der Benutzer leicht von dem Potential paralleler Hardware profitiert. Standardmäßig verwendet HALCON einen Thread je Prozessor für die AOP. Allerdings kann abhängig von der Datenmenge und den Parametern eines Operators die Parallelisierung auf allen verfügbaren Threads zu überzogen und ineffizient sein. optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop testet die parallele Datenverarbeitung der Operatoren und optimiert die AOP hinsichtlich der Threadanzahl. Hierfür wird jeder Operator überprüft, wie er sich auf Tupel-, Kanal- oder Domain-Ebene parallelisieren lässt (die partielle Ebene wird nicht betrachtet). Jeder dieser Operatoren wird mehrere Male ausgeführt - sequentiell wie parallel - mit unterschiedlichen Eingabeparametern und wechselnden Bildgrößen. Dadurch können Abhängigkeiten der Laufzeit des Operators von Eingabeparametern und Parallelisierung ermittelt werden. Dies kann bis zu einigen Stunden dauern, abhängig von den Parameterwerten dieses Operators. Für eine korrekte Optimierung ist es wichtig, keine anderen rechenintensiven Anwendungen gleichzeitig auf dem Rechner laufen zu lassen, da dies die Zeitmessungen des Operators stark beeinflussen und zu verfälschten Ergebnissen führen würde.

optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop sammelt eine Menge Informationen für die aktuelle Rechnerarchitektur, die es HALCON im laufenden Betrieb ermöglicht die automatische Parallelisierung zu optimieren. Dieses Wissen über die Hardware kann in einer Binärdatei, gegeben durch FileNameFileNameFileNameFileNamefileName, abgespeichert werden und in zukünftigen HALCON-Anwendungen wiederverwendet oder auf andere, ähnliche Rechner übertragen werden. Wenn ein leerer String ''"""""""" als Dateiname übergeben wird, speichert optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop die gewonnenen Daten in die spezielle HALCON-System-Datei '.aop_info'".aop_info"".aop_info"".aop_info"".aop_info" unter Linux/macOS im HALCON-Installationsverzeichnis (siehe Umgebungsvariable $HALCONROOT) oder unter Windows in das Datenverzeichnis für gemeinsame Anwendungen. Diese Datei wird während der Initialisierungsphase beim Aufruf des ersten HALCON-Operators automatisch ausgelesen. Es ist zu beachten, dass die entsprechenden Zugriffsrechte für Lesen und Schreiben gesetzt sind. optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop überprüft die entsprechenden Zugriffsrechte vor dem Starten des Optimierungsprozesses und gibt im Falle des Scheiterns einen entsprechenden Fehler zurück. Die geschriebene Datei kann durch den Operator read_aop_knowledgeread_aop_knowledgeReadAopKnowledgeReadAopKnowledgeReadAopKnowledge wieder gelesen werden.

Es ist ausreichend, optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop einmal auf jedem Rechner auszuführen, auf dem die automatische Operator-Parallelisierung ausgeführt werden soll. Jedoch sollte der Operator erneut gestartet werden, wenn die Hardware des Rechners geändert wird, beispielsweise durch einen neue CPU, einen neuen Speicher oder ein verändertes Betriebsystem. Es ist notwendig optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop einmal für jede neue Laufzeitumgebung auszuführen, da sich das Zeitverhalten von Operatoren geändert haben könnte. Eine Veränderung der Laufzeitumgebung wird verursacht durch einen Wechsel des Betriebsystems, wie zum Beispiel Windows auf Linux, durch unterschiedliche HALCON-Architekturen, unterschiedliche HALCON-Varianten, d.h. HALCON und HALCON XL, oder wenn einen neue HALCON-Version oder -Revision aktualisiert wird. Diese Hardwareabhängigkeiten werden zusammen mit dem Computernamen gemeinsam mit den AOP-Optimierungsdaten in der Datei gespeichert. Diese Attribute ordnen einen gespeicherten AOP-Datensatz einem speziellen Recher zu und ermöglichen somit, dass AOP-Datensätze von unterschiedlichen Rechnern in der selben Datei gespeichert werden.

optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop unterstützt einen Reihe von Parametern, um das Verhalten der Optimierung zu beeinflussen. Eine Auswahl von Operatornamen kann dem Parameter OperatorNameOperatorNameOperatorNameOperatorNameoperatorName übergeben werden. Dadurch lässt sich der Optimierungsprozess beispielsweise auf Operatoren mit problematischen Laufzeitverhalten beschränken. Wird ein leerer String ''"""""""" übergeben, werden alle Operatoren getestet. Der Testumfang von ikonischen Typen kann mit Hilfe des Parameters IconicTypeIconicTypeIconicTypeIconicTypeiconicType eingeschränkt werden. Der leere String ''"""""""" bewirkt, dass alle unterstützten ikonischen Typen eines Operators getestet werden. Zusätzlich kann der Optimierungsprozess mit Hilfe des Parameterpaares GenParamNameGenParamNameGenParamNameGenParamNamegenParamName und GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue beeinflusst werden. GenParamNameGenParamNameGenParamNameGenParamNamegenParamName definiert dabei den Parameternamen, während GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue den jeweiligen Wert spezifiziert, so dass übergebene Tupel bei beiden Parametern die gleiche Länge haben müssen. Im Folgenden sind für alle Parameternamen von GenParamNameGenParamNameGenParamNameGenParamNamegenParamName alle unterstützten Parameterwerte von GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue beschrieben:

'none'"none""none""none""none"

für GenParamNameGenParamNameGenParamNameGenParamNamegenParamName hat keine Funktion, ignoriert aber den Parameter GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue.

'system_mode'"system_mode""system_mode""system_mode""system_mode", 'file_mode'"file_mode""file_mode""file_mode""file_mode"

setzen jeweils die Art und Weise, wie die Informationen im HALCON-System b.z.w. der Datei aktualisiert werden sollen.

'truncate'"truncate""truncate""truncate""truncate"

für GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue löscht alle bestehenden Informationen, bevor das neue Wissen hinzugefügt wird.

'renew'"renew""renew""renew""renew"

überschreibt bestehendes Wissen und fügt neues hinzu (Standard).

'append'"append""append""append""append"

belässt bestehendes Operatorwissen und fügt ausschließlich Wissen hinzu, das noch nicht enthalten ist.

'nil'"nil""nil""nil""nil"

führt den Optimierungsprozess durch, unterdrückt jedoch die Aktualisierung des Systems b.z.w. der Datei.

'parameters'"parameters""parameters""parameters""parameters"

testet auch laufzeitrelevante Parameter des entsprechenden Operators, falls der korrespondierende Wert in GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue auf 'true'"true""true""true""true" gesetzt ist. Es werden Parameter berücksichtig, die bedeutenden Einfluss auf die Laufzeit haben, wie beispielsweise Parameter, die eine Methode oder einen Mode des Operators die Größe eines Filters setzen. 'false'"false""false""false""false" unterdrückt die Überprüfung der Parameter zu Gunsten eines schnelleren Optimierungsprozesses (Standard).

'model'"model""model""model""model"

Setzt das zugrunde liegende Modell vom Laufzeitverhalten des parallelisierten Operators auf der aktuellen Hardware. Die Modelle, die durch den Parameter GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue ausgewählt werden, unterscheiden sich in ihrer Adaptionsfähigkeit an Hardwareeigenheiten und dem Rechenaufwand sie zu bestimmen:

'threshold'"threshold""threshold""threshold""threshold"

ermittelt für einen Operator, ob es sich rentiert, ihn auf der maximalen Threadanzahl zu parallelisieren. Dieses Modell ist standardmäßig auf Dual-Prozessor-Systemen eingestellt.

'linear'"linear""linear""linear""linear"

spezifiziert ein lineares Skalierungsmodell, um die effizienteste Threadanzahl für einen Operator mit einer gegebene Datenmenge und Parametersatz. Dies ist der Standard auf Multi-Prozessor-Systemen.

'mlp'"mlp""mlp""mlp""mlp"

ist das komplexeste, aber auch das anpassungsfähigste Model. Der Optimierungsprozess kann allerdings abhängig von der verwendeten Hardware einige Stunden dauern.

'timeout'"timeout""timeout""timeout""timeout"

setzt die maximale Ausführungszeit für einen Testoperator. Falls die Laufzeitmessung eines Operators den Timeout überschreitet, wird der Test des Operators abgebrochen. In diesem Fall werden keine Informationen über diesen Operator gespeichert. Der Timeout wird durch GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue in Sekunden definiert. Der Wert 'infinite'"infinite""infinite""infinite""infinite" verhindert den Abbruch des Optimierungsprozesses eines Operators (Standard).

'split_level'"split_level""split_level""split_level""split_level"

beschränkt den Optimierungsprozess auf eine bestimmte Parallelisierungsmethode. Der entsprechende Wert in GenParamValueGenParamValueGenParamValueGenParamValuegenParamValue kann einen der folgenden Werte annehmen:

'split_domain'"split_domain""split_domain""split_domain""split_domain"

führt die Optimierung auf allen bildverarbeitenden Operatoren durch, die eine Datenparallelisierung auf Domainebene unterstützen.

'split_channel'"split_channel""split_channel""split_channel""split_channel"

führt die Optimierung auf allen bildverarbeitenden Operatoren durch, die eine Datenparallelisierung auf Kanalebene unterstützen.

'split_tuple'"split_tuple""split_tuple""split_tuple""split_tuple"

führt die Optimierung auf allen bildverarbeitenden Operatoren durch, die eine Datenparallelisierung auf Tupelebene unterstützen.

Achtung

Während der Tests muss optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop jeden zu optimierenden Operator mehrere Male aufrufen. Abhängig von den Parameterwerten kann daher die Ausführzeit von optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop sehr lang sein. Es ist daher für eine korrekte Optimierung essentiell, keine weiteren rechenintensiven Anwendungen gleichzeitig auf dem Rechner laufen zu lassen, da diese die Zeitmessungen für die Optimierung deutlich beeinflussen und zu falschen Ergebnissen führen würden. optimize_aopoptimize_aopOptimizeAopOptimizeAopOptimizeAop muss durch entsprechend autorisierte Benutzer aufgerufen werden, damit die gesammelten Informationen dauerhaft gespeichert werden können (Details hierzu finden sich in der obigen Operatorbeschreibung).

Ausführungsinformationen

• Multithreading-Typ: exclusive (läuft parallel nur zu unabhängigen Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Parameter

Ergebnis

Sind die Parameterwerte korrekt, dann liefert read_aop_knowledgeread_aop_knowledgeReadAopKnowledgeReadAopKnowledgeReadAopKnowledge den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Modul

Foundation