[发明专利]一种基于时间序列分析的深度学习训练任务行为预测方法有效
| 申请号： | 202010104955.7 | 申请日： | 2020-02-20 |
| 公开（公告）号： | CN111353584B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 陈鹏飞;廖维明;郑子彬 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08;G06F9/50;G06F11/30 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于时间序列分析的深度学习训练任务运行行为的预测方法，包括收集GPU利用率和训练任务信息和任务指标；将GPU利用率视为时间序列样本，通过傅立叶变换时域为频域得到振幅‑时间的频谱图，在频谱图上取最大值对应的时间为GPU利用率周期；以GPU利用率周期为SARIMA模型的季节长度S，以GPU利用率为训练数据，迭代训练SARIMA模型，依据评估指标选择最优的SARIMA模型进行时间序列指标的GPU利用率预测；利用GPU利用率周期结合任务指标采用曲线拟合方法预测训练任务精度的变化趋势以获取训练任务满意精度时的迭代次数，迭代次数乘以所获取的训练任务周期得到训练任务执行时间预测。本发明细粒度地特征化DNN工作负载并预测了工作负载行为。 | ||
| 搜索关键词： | 一种 基于 时间 序列 分析 深度 学习 训练 任务 行为 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010104955.7/，转载请声明来源钻瓜专利网。
