摘要
本发明公开了一种CENI网络中面向深度学习负载的分布式系统性能测评方法,提供用户可配置的定制化深度学习负载配置方法,支持用户根据系统使用场景,对测试负载配置进行针对性调整与优化;实现了深度学习负载部署及测试框架,支持对深度学习测试镜像的高效压缩与自动分发,以及渐变负载与突发性负载的自适应生成;在系统基础监控指标的基础上,从多个维度,对分布式系统进行综合评价,得到该系统在面对所设定的深度学习任务与负载的性能表现。本发明能够从定制化深度学习测试负载设置、深度学习负载部署及测试、分布式系统性能综合评价三个方面,实现高度适应于深度学习计算场景的分布式系统性能测评。
技术关键词
分布式系统节点
性能测评方法
面向深度学习
深度学习模型
深度学习测试
镜像
指定时间间隔
容器
节点数
判断系统
系统响应时间
计时器
网络
周期性
资源
分块
指标
系统为您推荐了相关专利信息
空气质量监测方法
历史监测数据
多信息
样本
深度学习模型
垃圾回收系统
垃圾回收方法
导航模块
回收模块
储存仓
数据量化方法
深度学习模型
识别特征
精度
生成特征
知识图谱构建方法
知识图谱补全
电力物资供应链
卷积神经网络分类
深度学习网络模型
风电功率预测模型
XGBoost模型
电功率预测方法
历史气象数据
深度学习模型