AEStream：利用协程加速事件处理
分布式、并行与集群计算
2022-12-22 v1
摘要
神经形态传感器模仿生物感觉器官和大脑中稀疏的、基于事件的通信方式。如今的传感器每秒可发出数百万个异步事件，这在传统计算机上处理起来极具挑战。为避免瓶颈效应，需要对事件应用并改进并发与并行处理。我们提出了 AEStream：一个在传统计算机上高效地将异步事件从输入流式传输到输出的库。AEStream 利用称为协程的协作式多任务原语来并发处理单个事件，这极大地简化了与基于事件的外围设备（如事件相机和神经形态异步硬件）的集成。我们通过将协程与传统线程机制进行基准测试，探讨了协程在并发环境中的效果，发现 AEStream 的吞吐量至少提升了两倍。随后，我们将 AEStream 应用于 GPU 上的实时边缘检测任务，处理速度提升了 1.3 倍，且内存操作减少了 5 倍。
引用
@article{arxiv.2212.10719,
title = {AEStream: Accelerated event-based processing with coroutines},
author = {Jens Egholm Pedersen and Jörg Conradt},
journal= {arXiv preprint arXiv:2212.10719},
year = {2022}
}
备注
7 pages, 6 figures. Submitted to Neuro Inspired Computational Element (NICE) 2023