【技术实现步骤摘要】
本专利技术涉及电数字数据处理领域，具体涉及一种利用深度学习的算力需求预测系统。
技术介绍
1、随着云计算、大数据和人工智能技术的快速发展，计算资源的需求呈指数级增长，特别是在深度学习和数据密集型应用中，合理配置和高效管理算力资源变得至关重要，当前的计算任务复杂度和规模不断增加，算力资源需求波动大且不可预测，如果不能根据任务的实际需求动态调整算力分配，容易造成资源浪费或性能瓶颈。因此，建立一种能够精准预测算力需求的系统，能显著提高资源利用率和任务响应速度，为资源规划和负载均衡提供数据支持。
2、
技术介绍
的前述论述仅意图便于理解本专利技术。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
3、现在已经开发出了很多算力预测系统，经过大量的检索与参考，发现现有的算力预测系统有如公开号为cn117952669b所公开的系统，这些系统方法一般包括：统计目标地区的个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量；基于个人产生的数据量、泛娱乐产生的数据量以及传感器设备产生的数据量，利用算力需求等价换算方法...
【技术保护点】
1.一种利用深度学习的算力需求预测系统，其特征在于，包括数据收集模块、特征提取模块、模型训练模块和预测执行模块；
2.如权利要求1所述的一种利用深度学习的算力需求预测系统，其特征在于，所述特征选择单元包括初始筛选处理器、统计分析处理器和特征评估处理器，所述初始筛选处理器用于对特征进行简易筛选过滤不具普遍性和明显不相关的特征，所述统计分析处理器用于分析各个特征与算力需求的关联性，所述特征评估处理器用于将特征对于算力需求的重要性进行评估处理；
3.如权利要求2所述的一种利用深度学习的算力需求预测系统，其特征在于，所述特征工程单元包括特征交互生成处理...
【技术特征摘要】
1.一种利用深度学习的算力需求预测系统，其特征在于，包括数据收集模块、特征提取模块、模型训练模块和预测执行模块；
2.如权利要求1所述的一种利用深度学习的算力需求预测系统，其特征在于，所述特征选择单元包括初始筛选处理器、统计分析处理器和特征评估处理器，所述初始筛选处理器用于对特征进行简易筛选过滤不具普遍性和明显不相关的特征，所述统计分析处理器用于分析各个特征与算力需求的关联性，所述特征评估处理器用于将特征对于算力需求的重要性进行评估处理；
3.如权利要求2所述的一种利用深度学习的算力需求预测系统，其特征在于，所述特征工程单元包括特征交互生成处理器、多维特征聚合处理器和工程记录处理器，所述特征交互生成处理器用于将多个...
【专利技术属性】
技术研发人员：张卫平，伍亚晖，梁昊星，刘安，赵莉莉，陈静婷，李玲，
申请(专利权)人：环球数科股份有限公司，
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。