公开(公告)号：CN117931598A

公开(公告)日：2024-04-26

申请号：CN202410107955.0

申请日：2024-01-25

Applicant: 上海交通大学

Inventor： 宋涛 ,  颜培深 ,  牛秣 ,  吴晓宇 ,  管海兵

IPC: G06F11/34

Abstract: 本发明公开了一种基于深度学习科学计算应用的工作负载测试方法，涉及计算机应用技术领域，所述方法包括以下步骤：步骤1、搭建测试环境；步骤2、实施基础测试；步骤3、实施AI平台测试。本发明结合了基础测试方法和基于人工智能平台的测试方法，为基于深度学习的科学计算应用的性能评估提供了更为全面的视角。

公开(公告)号：CN119149364A

公开(公告)日：2024-12-17

申请号：CN202411294124.5

申请日：2024-09-14

Applicant: 上海交通大学

Inventor： 宋涛 ,  牛秣 ,  管海兵

IPC: G06F11/34

Abstract: 本发明公开了一种基于多层感知机的科学计算应用性能预测方法，该方法包括：采用多样化的数据源；对收集到的数据源进行标注；对标注的数据进行预处理；通过特征选择技术识别出对性能预测影响显著的特征，并进行特征提取和构建，以降低特征维度；使用多层感知机MLP作为性能预测模型，以利用其学习复杂非线性关系的能力；使用经过预处理的数据对MLP模型进行训练，采用交叉验证方法来评估模型的稳定性和泛化能力，并减少过拟合风险；通过验证数据集来计算模型的预测误差和准确率指标，评估模型的预测性能；针对不同的HPC系统，收集少量但具有代表性的性能数据，利用这些性能数据对基础模型进行微调，使模型能够学习到新系统的性能特征。