一种基于时间序列分析的深度学习训练任务行为预测方法

摘要

本发明公开一种基于时间序列分析的深度学习训练任务运行行为的预测方法，包括收集GPU利用率和训练任务信息和任务指标；将GPU利用率视为时间序列样本，通过傅立叶变换时域为频域得到振幅‑时间的频谱图，在频谱图上取最大值对应的时间为GPU利用率周期；以GPU利用率周期为SARIMA模型的季节长度S，以GPU利用率为训练数据，迭代训练SARIMA模型，依据评估指标选择最优的SARIMA模型进行时间序列指标的GPU利用率预测；利用GPU利用率周期结合任务指标采用曲线拟合方法预测训练任务精度的变化趋势以获取训练任务满意精度时的迭代次数，迭代次数乘以所获取的训练任务周期得到训练任务执行时间预测。本发明细粒度地特征化DNN工作负载并预测了工作负载行为。