【技术实现步骤摘要】
本专利技术涉及工业大数据处理和算法调度，更具体地说，涉及工业大数据的工业算法模型调度方法及系统。
技术介绍
1、随着工业的发展和智能制造的普及，工业生产过程产生的数据量呈爆炸式增长，对数据处理和算法调度系统提出了更高要求。工业大数据具有体量大、类型多、时效性强等特点，需要多个专业算法协同处理才能提取有价值的信息，辅助决策和优化生产。
2、然而，现有的工业算法调度方法主要面临以下问题：工业算法管道中的复杂数据依赖关系导致单一算法优化无法实现端到端性能提升，缺乏全局优化视角；数据传输和格式转换过程中的多次内存拷贝造成系统开销大、延迟高；不同算法对数据访问模式存在差异，统一的分区策略导致并行效率低下；缺乏对异构计算资源的智能匹配和调度能力，资源利用率不高；大数据处理场景下算法管道的并行瓶颈限制了整体吞吐量。
3、因此，需要一种专门针对工业大数据环境的工业算法模型调度方法，能够从全局视角优化多算法协同执行过程，解决复杂依赖关系、降低数据传输开销、提高并行效率，从而满足工业大数据处理的高性能需求。
<
【技术保护点】
1.工业大数据的工业算法模型调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述关键路径分析算法包括以下步骤：
3.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述数据依赖特性通过数据依赖强度矩阵DS进行量化，其计算公式为：
4.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述数据分区策略基于算法对不同数据特性的加速比，加速比的计算公式为：
5.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述分配...
【技术特征摘要】
1.工业大数据的工业算法模型调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述关键路径分析算法包括以下步骤：
3.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述数据依赖特性通过数据依赖强度矩阵ds进行量化，其计算公式为：
4.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述数据分区策略基于算法对不同数据特性的加速比，加速比的计算公式为：
5.根据权利要求1所述的工业大数据的工业算法模型调度方法，其特征在于，所述分配最匹配的异构计算资源通过算法资源匹配度矩阵arm确定，其计算公式为：
6.根据权利要...
【专利技术属性】
技术研发人员：洪涌源，
申请(专利权)人：中科小顶广东科技有限公司，
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。