摘要
本发明涉及一种云边协同深度学习任务执行性能预测及调度的方法与系统。本发明采用基于块特征的性能预测方法,通过分析深度学习模型的块特征向量,实现对未知模型的并发推理性能精确预测,有效解决了新模型执行性能预测准确率低的问题;提出基于轮次的双阶段贪婪调度策略,在保障系统吞吐量的同时显著降低违约率;设计了二分搜索优化的模型切分方案,进一步提升任务执行效率。
技术关键词
协同深度学习
时间预测模型
深度学习模型
历史性能数据
存储计算机程序
硬件资源利用率
服务质量约束
性能预测方法
动态
策略
可读存储介质
特征提取模块
保障系统
调度系统
设备配置
传播算法
阶段
监控单元
滑动窗口
系统为您推荐了相关专利信息
控制智能取暖器
图片
控制模块
生成特征
网络模块
深度学习模型
多头注意力机制
非易失性存储介质
序列
线性变换矩阵
智能船舶
装货港
监测系统
时间预测模型
判断算法
协议
通信模组
虚拟网络接口
网络切换方法
AT指令
安全监控报警方法
换电柜
深度学习模型
安全监控报警装置
卷积神经网络提取