摘要
本申请公开了一种基于大型语言模型的数据中心能源优化方法、设备、介质及产品,涉及数据中心能耗管理领域,该方法包括获取海量数据;所述海量数据包括:计算资源监控数据、时序特征数据、业务特征数据和环境特征数据;对所述海量数据进行预训练;根据预训练后的海量数据,构建领域知识图谱;利用注意力机制将领域知识图谱知识注入大型语言模型中,并采用时序相似性的正负样本以及多任务学习框架进行大型语言模型的优化;利用优化后的大型语言模型进行实时的海量数据的负载预测;根据负载预测结果进行多目标优化的资源调度。本申请能够提高数据中心能源分配的均匀性和资源利用率以及降低数据中心的能耗。
技术关键词
能源优化方法
时序特征
网络带宽利用率
内存访问模式
分层强化学习
数据中心能耗管理
服务器
资源
深度学习框架
注意力机制
多任务
制冷系统
优化设备
数据压缩
知识图谱构建
机房
系统为您推荐了相关专利信息
动态预测方法
气象预报数据
非易失性计算机存储介质
计算机可执行指令
传感器设备
故障预测模型
故障预测方法
阶段
周期
特征提取网络
ARIMA模型
能耗
数据中心设备
特征值
网络带宽利用率
多模态生理
小鼠
植入式传感器
动态
多维特征向量
深度卷积网络结构
图像
循环神经网络模型
细胞形态特征
空间金字塔池化