ISO26262-(Memory Partitioning)基于TC397的MPU实现内存分区

TC397的MPU资源

TC397芯片有5个Core,每个核有18个Data Memory Protection Ranges,10个Code Protection Ranges。

TC397的MPU访问权限:

通过MPU配置内存保护机制,把芯片的Memory划分为位若干(有大小限制)Region区域,一个Region是指被硬件划分出来并可以独立设置访问权限的内存区域。

每个Region可以配置读(Data Read)、写(Data Write)、执行(Code Fetch)权限。使能MPU后,如果访问某个内存区域但是改内存区域没有配置对应的权限,就会产生MPU Trap。

Protection Sets(PS)是给每个Core配置Access Permissions,

Protection Range是基于芯片每个Address Range,根据每个Core的ASIL等级对地址范围进一步划分,形成新的Region。

举例:

通过MPU对内存空间进行ASIL,QM,Kernel分区,不同级别的TASK放在不同的ASIL分区中,防止QM任务干扰ASIL任务,一般ASIL,Kernel是同一级别,是可Trusted的,QM是不可Trusted的。

下图是不同级别Trusted进程所占用的Memory Protection ID标识,这个标识符的主要用途是实现内存访问的控制和隔离(定义了哪些任务或中断服务例程(ISR)可以访问哪些内存区域),Identifier帮助OS识别哪些应用可以执行哪些操作,确保Non-Trusted APP应用不会访问Trusted APP的敏感或关键的内存区域。

QM用于访问ASIL任务的方法,通过创建一个Trusted进程即可访问QM任务,又可以访问ASIL的任务

关于Core0的内存分区,在Core0的SRAM内存中定义了Core0_QM和Core0_ASILB的MPU要保护的Address Range,以及其他核通过MemoryRegionProtectionUnit以及哪种Protection Sets(PS)访问Core0的资源。

参看上下图,根据MPU的好处,可以发现在多核的时候,可以防止其他核对ASIL级别TASK的数据进行篡改

通过FLASH运行APP时,在调用栈的时候,调用其他核的栈,也就实现了跨核访问。

对比单核MCU的MPU机制,Region分优先级,当出现Region3高优先级覆盖Region2低优先级时,则Region3的设置会生效,覆盖Region2的权限设置。

### 使用 AutoGPTQ 库量化 Transformer 模型 为了使用 `AutoGPTQ` 对 Transformer 模型进行量化,可以遵循如下方法: 安装所需的依赖包是必要的操作。通过 pip 安装 `auto-gptq` 可以获取最新版本的库。 ```bash pip install auto-gptq ``` 加载预训练模型并应用 GPTQ (General-Purpose Tensor Quantization) 技术来减少模型大小和加速推理过程是一个常见的流程。下面展示了如何利用 `AutoGPTQForCausalLM` 类来进行这一工作[^1]。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from auto_gptq import AutoGPTQForCausalLM model_name_or_path = "facebook/opt-350m" quantized_model_dir = "./quantized_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 加载已经量化的模型或者创建一个新的量化器对象用于量化未压缩过的模型 gptq_model = AutoGPTQForCausalLM.from_pretrained(quantized_model_dir, model=model, tokenizer=tokenizer) ``` 对于那些希望进一步优化其部署环境中的模型性能的人来说,`AutoGPTQ` 提供了多种配置选项来自定义量化参数,比如位宽(bit-width),这有助于平衡精度损失与运行效率之间的关系。 #### 注意事项 当处理特定硬件平台上的部署时,建议查阅官方文档以获得最佳实践指导和支持信息。此外,在实际应用场景之前应该充分测试经过量化的模型以确保满足预期的质量标准。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梅尔文

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值