检索结果-南通市图书馆

检索条件"主题词=超算平台作业"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多元时序数据学习和Transformer模型的作业功耗预测方法研究

基于多元时序数据学习和Transformer模型的作业功耗预测方法研究

引用

作者：田学森齐鲁工业大学

学位级别：硕士

随着高性能计算(HPC)技术的飞速发展,其计算能力得到了显著提升,越来越多的用户开始将复杂的作业任务部署到超级计算平台上执行。通过多个计算节点并行处理任务,作业处理效率得到了显著的提高。然而,计算能力的增加同时伴也随着巨大的... 详细信息

随着高性能计算(HPC)技术的飞速发展,其计算能力得到了显著提升,越来越多的用户开始将复杂的作业任务部署到超级计算平台上执行。通过多个计算节点并行处理任务,作业处理效率得到了显著的提高。然而,计算能力的增加同时伴也随着巨大的能源消耗问题,这不仅增加了数据中心的运营成本,而且对生态环境的保护以及国家节能减排政策的实施构成了重大挑战。但由于作业类型的多样性和环境的不断变化,传统的功耗预测模型往往难以适应快速变动的条件,导致预测精度下降。针对上述问题,本文首先对部署在“山河”超算平台集群上的作业进行全面分析,进而提出一种新的预测算法和框架。旨在通过精准预测功耗,为平台提供有效的能耗降低策略。本文研究内容如下:(1)本文从用户角度、作业角度及节点角度对功耗数据进行了全面分析,并探讨了功耗数据与性能指标之间的相关性。本文利用国家超级计算济南中心生产级集群的真实数据,深入分析了功耗模式,为精确预测功耗建模提供了坚实的基础。此外,本文分析结果为平台能耗管理与优化提供了科学依据和指导建议。(2)针对现有方法在作业功耗预测方面存在不足,本文提出一种基于Transformer的时间-变量注意力的预测模型。该模型通过分块处理降低了时间复杂度以及提高了信息捕捉能力。使用时间-变量注意力可以有效捕捉上下文信息以及多元功耗时序变量间的内隐关系。通过与多个基线模型的对比测试,验证了DT-TVF模型的有效性。(3)在实际的高性能计算(HPC)环境中,作业多样性与环境的动态变化往往使得特定模型难以准确预测各类作业的功耗。针对这一挑战,本文提出了一个融合作业相似度匹配与增量更新的预测框架。该框架的相似度匹配模块能够有效地将目标作业归类到相似度较高的类别中。同时,增量更新模块使得预测方法能够快速适应数据的动态变化。此外,在增量更新模块中加入了更新时机判定机制,利用动态统计建模技术,有效地实现了模型更新时机的动态选择,在提高预测精准性的同时减少了模型更新频率,降低了模型的时间复杂度。这些模块的协同工作确保了该框架在功耗预测上的精准性与高效性。

关键词：多元时序数据 Transformer 功耗预测超算平台作业

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：