摘要
本发明公开了一种基于机器学习算法的异构平台计算任务调度方法,所述调度方法包括如下步骤:步骤一、分析并收集数据集程序的静态特征和动态特征,以及运行平台的硬件特征;步骤二、选择合适的机器学习调度模型和优化超参数,并通过多种指标评估所述调度模型性能;步骤三、根据模型预测结果在运行时选择最佳硬件设备实现高效任务调度。本发明还公开了实现上述调度方法的调度系统,以及对应的应用,具有广泛应用场景。
技术关键词
静态特征
机器学习算法
异构平台
任务调度方法
机器学习模型
硬件设备
特征工程
数据收集模块
超参数
支持向量机回归
内存访问模式
硬件平台
特征选择
任务调度系统
随机森林
接口模块
动态
线性回归模型