摘要
本发明公开了一种CPU性能采样工具的运行开销的预测方法,特点是先通过多线程CPU微基准测试工具分别获取CPU基准计数值与CPU资源争用计数值,随后采用随机森林算法对包含CPU微架构指标、应用性能指标、采样工具配置信息以及包括CPU资源竞争系数的CPU争用指标以上四个类别的特征变量进行最优特征选择,再通过Adam优化算法对待训练的采样开销预测模型进行训练得到训练后的采样开销预测模型,最后将任意一个训练样本作为预测样本输入训练后的采样开销预测模型输出对应的第四特征并作为最终的采样开销预测值,完成预测过程;优点是对CPU性能采样工具的运行开销的预测精度高,能够精准反映性能采样工具的运行性能。
技术关键词
渐进式神经网络
采样工具
变量
融合特征
测试工具
数值
多线程
基准
注意力机制
资源
随机森林模型
指标
特征选择
批量
样本
算法
定义
优化器
系统为您推荐了相关专利信息
书脊图像特征
高频特征
细长型物体
分割方法
支路
时间卷积网络
新能源发电功率
特征值
电力系统静态电压
计算机可执行指令
无人机航拍图像
多尺度特征融合
Hadamard矩阵
检测无人机
检测头
机会约束模型
分布式光伏
能力优化方法
储能设备容量
燃气机组
城区配电网
检修决策方法
两阶段鲁棒优化
线路
节点