面向时序数据Shapelet学习的动态检查点显存优化方法

面向时序数据Shapelet学习的动态检查点显存优化方法，属于时序数据管理与分析领域。解决了传统直接使用梯度检查点技术计算shapelet距离所带来的大量额外的计算开销的问题。本发明优化方法中提出的动态检查点方案通过计算各模块的前向传播时间、每个模块的所需占用显存使用情况、以及整个模型所需占用显存，确定作为检查点的模块，并在每次训练时针对作为检查点的模块和不作为检查点的模块在显存中采用不同存储策略，从而显著提高了GPU内存(即：显存)的利用率和训练效率，避免了内存浪费和冗余计算，同时有效降低了内存碎片化问题。本发明主要应用在数据复杂的分析领域和脑电信号处理领域。