【技术实现步骤摘要】
本专利技术涉及网络仿真，尤其涉及一种基于叠加扩散模型的推理网络仿真流量生成方法和装置。
技术介绍
1、传统上基于统计模型和数据驱动的网络流量生成方法是网络仿真流量生成领域的主要专利技术，不过近年来，由于网络流量特征的多变性，统计模型方法应用范围越来越窄，而随着深度学习技术的快速发展，基于深度网络的数据驱动方法渐渐一枝独秀，当前基于深度学习的数据驱动方法在某些网络场景下已经受到广泛认可，例如生成对抗网络gan，循环神经网络rnn等。
2、但在用于大模型推理的智算数据中心里，传统深度学习方法却面临着前所未有的挑战。因为与传统的网络流量生成相比，大模型推理时的流量生成更为复杂和困难，首先是因为大模型推理时的流量时空变化显著，同时难以用传统的三元组或五元组形式来表征。最大的问题则是，传统深度学习方法需要大量的数据来驱动，但大模型运行的成本较高，导致流量数据采集困难。在物理环境中进行全生命周期的流量采集不仅耗时耗力，而且成本巨大。虽然目前已经出现了一些全系统仿真环境，但由于大模型推理本身的复杂度较高，且并行化后规模迅速膨胀，仿真的速度...
【技术保护点】
1.一种基于叠加扩散模型的推理网络仿真流量生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述视频样本数据和所述样本指示文本对待训练的叠加扩散模型进行训练和推理，得到已训练的叠加扩散模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述利用所述第一视频样本数据和所述样本指示文本输入所述全局扩散模型，得到第一视频训练数据，具体包括第一训练过程和第一推理过程：
4.根据权利要求3所述的方法，其特征在于，所述利用所述第一视频训练数据、第一视频样本数据和所述样本指示对所述第一局部扩散模型进行...
【技术特征摘要】
1.一种基于叠加扩散模型的推理网络仿真流量生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述视频样本数据和所述样本指示文本对待训练的叠加扩散模型进行训练和推理，得到已训练的叠加扩散模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述利用所述第一视频样本数据和所述样本指示文本输入所述全局扩散模型，得到第一视频训练数据，具体包括第一训练过程和第一推理过程：
4.根据权利要求3所述的方法，其特征在于，所述利用所述第一视频训练数据、第一视频样本数据和所述样本指示对所述第一局部扩散模型进行训练推理，得到已训练的所述叠加扩散模型，具体包括第二训练过程和第二推理过程：
5.根据权利要求1所述的方法，其特征在于，所述将所述网络流量样本转换为视频样本数据，具体包括：
【专利技术属性】
技术研发人员：周飞，叶青河，吴春鹏，郑敏，刘卫卫，王岳，
申请(专利权)人：国网智能电网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。