【技術實現步驟摘要】
本申請涉及工智能，特別是涉及一種資源預測方法、裝置、設備及可讀存儲介質。
技術介紹
1、人工智能任務包括自然語言處理、圖像識別、數據分析、機器學習以及人機交互等，在人工智能任務中，需要使用各種算法和技術來處理和分析大量數據從而實現自動化和智能化的應用。
2、為了任務的順利進行，往往需要在任務執行之前，準確評估其所需要的計算資源和時間，進而進行合理的資源分配。現有的資源預測方法在面對大環境下各種各樣的任務時，往往采用同一個預測模型進行預測，且用到的預測模型在訓練時使用的數據又不準確，從而導致最后預測得到的預測結果也不準確。
3、因此，如何提高資源預測的準確性，是本領域技術人員急需解決的問題。
技術實現思路
1、基于上述問題，本申請提供了一種資源預測方法、裝置、設備及可讀存儲介質，基于預設任務分類樹確定與目標任務對應的資源預測模型，進而進行資源的預測，提高了資源預測的準確性。
2、第一方面，本申請實施例提供了一種資源預測方法，包括：
3、獲取目標任務對應的元數據；
4、基于所述元數據，利用預設任務分類樹對所述目標任務進行分類，并得到目標分類結果；所述預設任務分類樹中存儲有不同類型任務與不同資源預測模型之間的對應關系；
5、調用與所述目標分類結果對應的資源預測模型對所述目標任務進行資源預測，并得到預測目標數據；所述預測目標數據包括：cpu數量、gpu數量、內存大小以及磁盤空間。
6、可選的，所述資源預測模
7、從數據中心中獲取各個人工智能任務對應的歷史任務數據和對應的歷史資源使用情況數據；所述歷史任務數據包括：任務類型、任務規模、任務配置以及時間約束；
8、基于任務請求的計算資源架構為各個人工智能任務進行分類，并得到分類結果；
9、利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對xgboost預測模型進行訓練，并得到用于不同類別人工智能任務的資源預測模型。
10、可選的，所述歷史資源使用情況數據基于雙層滑動窗口機制記錄在所述數據中心中；
11、所述雙層滑動窗口的第一窗口的周期設置為7天，步長設置為1天；
12、所述雙層滑動窗口的第二窗口的周期設置為1天，步長設置為1小時。
13、可選的，所述利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對xgboost預測模型進行訓練之前，還包括：
14、對所述歷史任務數據和所述歷史資源使用情況數據進行數據清洗和數據預處理；
15、所述數據清洗包括：缺失值處理和異常值處理；
16、所述數據預處理包括：特征編碼和歸一化處理。
17、可選的，所述方法還包括：
18、基于任務請求的計算資源架構，構建對應于全部人工智能任務的預設任務分類樹；
19、所述預設任務分類樹的每個葉子節點指示了一種分類結果的人工智能任務以及對應的資源預測模型。
20、可選的，所述利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對xgboost預測模型進行訓練，包括：
21、基于各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據，利用lightgbm模型進行任務特征重要性評估，并得到評估結果；
22、利用所述評估結果為xgboost預測模型調整特征權重。
23、可選的，所述方法還包括：
24、將所述預測目標數據對應的預測值以表格的形式向用戶進行展示。
25、第二方面，本申請實施例提供了一種資源預測裝置，包括：
26、獲取模塊，用于獲取目標任務對應的元數據；
27、分類模塊，用于基于所述元數據，利用預設任務分類樹對所述目標任務進行分類，并得到目標分類結果；所述預設任務分類樹中存儲有不同類型任務與不同資源預測模型之間的對應關系；
28、預測模塊，用于調用與所述目標分類結果對應的資源預測模型對所述目標任務進行資源預測，并得到預測目標數據；所述預測目標數據包括：cpu數量、gpu數量、內存大小以及磁盤空間。
29、第三方面，本申請實施例提供了一種資源預測設備，包括：
30、存儲器，用于存儲計算機程序；
31、處理器，用于執行所述計算機程序時實現如上所述資源預測方法的步驟。
32、第四方面，本申請實施例提供了一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述資源預測方法的步驟。
33、從以上技術方案可以看出，相較于現有技術，本申請具有以下優點：
34、本申請首先獲取目標任務對應的元數據。然后基于元數據，利用預設任務分類樹對目標任務進行分類，并得到目標分類結果。其中，預設任務分類樹中存儲有不同類型任務與不同資源預測模型之間的對應關系。最后調用與目標分類結果對應的資源預測模型對目標任務進行資源預測，并得到預測目標數據；預測目標數據包括：cpu數量、gpu數量、內存大小以及磁盤空間。如此，基于預設任務分類樹確定與目標任務對應的資源預測模型，進而進行資源的預測，提高了資源預測的準確性。
本文檔來自技高網...【技術保護點】
1.一種資源預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述資源預測模型通過以下方法訓練得到：
3.根據權利要求2所述的方法，其特征在于，所述歷史資源使用情況數據基于雙層滑動窗口機制記錄在所述數據中心中；
4.根據權利要求2所述的方法，其特征在于，所述利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對XGBoost預測模型進行訓練之前，還包括：
5.根據權利要求2所述的方法，其特征在于，所述方法還包括：
6.根據權利要求2所述的方法，其特征在于，所述利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對XGBoost預測模型進行訓練，包括：
7.根據權利要求1所述的方法，其特征在于，所述方法還包括：
8.一種資源預測裝置，其特征在于，包括：
9.一種資源預測設備，其特征在于，包括：
10.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有計算機程序，所述計算機程序
...【技術特征摘要】
1.一種資源預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述資源預測模型通過以下方法訓練得到：
3.根據權利要求2所述的方法，其特征在于，所述歷史資源使用情況數據基于雙層滑動窗口機制記錄在所述數據中心中；
4.根據權利要求2所述的方法，其特征在于，所述利用各個分類結果所指的人工智能任務所對應的歷史任務數據和對應的歷史資源使用情況數據分別對xgboost預測模型進行訓練之前，還包括：
5.根據權利要求2所述的方法，其特征在于，所述方法還包括：<...
【專利技術屬性】
技術研發人員：勞鈴佳，吳杏平，閆龍川，馮志鵬，牛佳寧，郭永和，蔣從鋒，劉俊明，陳彥琦，張攀，王洋，張寧，宋桂林，劉雯靜，蔡心怡，趙溪青，
申請(專利權)人：國家電網有限公司信息通信分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。