基于在线增量学习的HPC作业功耗预测方法及系统

    公开(公告)号:CN116821643A

    公开(公告)日:2023-09-29

    申请号:CN202310777733.5

    申请日:2023-06-28

    摘要: 本发明提出了基于在线增量学习的HPC作业功耗预测方法及系统,涉及高性能计算领域,根据离线作业功耗数据,初始化预测模型;实时获取新采样的HPC作业功耗数据,形成输入数据流;预测模型处理输入数据流,输出未来时刻的功耗预测值;在处理输入数据流过程中,基于模型更新时机判定方法,使用在线增量学习进行模型的更新;基于模型更新时机判定方法是在接收到新数据时,通过对真实值与预测值之间的偏差距离分布变化进行监控,得到模型预测性能下降分数,基于预设的增量学习分数阈值,判定预测模型是否需要进行增量学习;本发明当模型预测性能出现下降时,对原有的模型参数进行优化与更新,以适用预测未来时刻功耗值的需求,提高预测的精度。