【技术实现步骤摘要】
本专利技术属于边缘计算，具体涉及一种基于图像模态的算力需求预测方法及装置，不仅能应用到边缘云场景，而且能复用到中心云、idc、cdn、终端设备等多个场景进行算力需求预测。
技术介绍
1、随着万物互联时代的到来以及5g通信网络的普及，互联网数据规模呈现指数级增长。在此背景下，传统的云计算中心化架构已经无法满足终端用户对于时效、容量、算力的需求。边缘云的超低时延、海量数据、边缘智能等特性促使更多的企业选择边缘云技术方案，也使得边缘云计算在市场中成为构筑在中心云与终端之间的重要组成。
2、在边缘云计算快速发展的背景下，如何准确预测算力需求成为一个关键问题。特别是在数值模拟、科学计算等计算密集型任务中，算力需求的波动性和不确定性增加了资源调度的复杂性。现有的算力需求预测技术一般采用基于有监督的分类或者时序预测等相关的静态方法进行资源分配并预测，无法满足设备异构复杂、业务多变的实际边缘云场景下的动态需求，导致资源利用率低下或计算延迟增加，从而影响用户体验，同时具有以下的缺点：
3、1、关注趋势而非极值预测：常规的预测方法使...
【技术保护点】
1.一种基于图像模态的算力需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于图像模态的算力需求预测方法，其特征在于，所述步骤S4包括如下步骤：
3.根据权利要求2所述的基于图像模态的算力需求预测方法，其特征在于，在步骤S4.3中，所述行特征提取向量的表达式为：
4.根据权利要求1所述的基于图像模态的算力需求预测方法，其特征在于，所述预设负载预测模型包括若干个依次连接的神经网络，每个神经网络均包括依次连接的输入层、第一全连接层、激活函数层、第二全连接层和输出层。
5.根据权利要求4所述的基于图像模态的算...
【技术特征摘要】
1.一种基于图像模态的算力需求预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于图像模态的算力需求预测方法，其特征在于，所述步骤s4包括如下步骤：
3.根据权利要求2所述的基于图像模态的算力需求预测方法，其特征在于，在步骤s4.3中，所述行特征提取向量的表达式为：
4.根据权利要求1所述的基于图像模态的算力需求预测方法，其特征在于，所述预设负载预测模型包括若干个依次连接的神经网络，每个神经网络均包括依次连接的输入层、第一全连接层、激活函数层、第二全连接层和输出层。
5.根据权利要求4所述的基于图像模态的算力需求预测方法，其特征在于，所述负载预...
【专利技术属性】
技术研发人员：姚欣，王晓飞，
申请(专利权)人：派欧云计算上海有限公司，
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。