买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：派欧云计算(上海)有限公司

摘要：本发明公开了一种基于图像模态的算力需求预测方法及装置，包括：构建不同边缘设备各采样时刻下的包括历史工作负载数据和设备特征数据的负载样本序列；绘制每个边缘设备的负载变化趋势图，基于负载变化趋势图和设备特征数据生成每个边缘设备的设备状态图；基于设备状态图利用Patch技术和向量编码获取图编码向量，利用预设负载预测模型对每个边缘设备的每个图编码向量执行编码融合和通道融合得到通道融合向量；利用时间投影全连接层和特征投影全连接层对通道融合向量进行投影得到负载预测值；筛选样本计算负载预测损失，以最小化负载预测损失为目标优化预设负载预测模型。本发明通过对图像模态特征的分析，可以精准预测算力需求。

主权项：1.一种基于图像模态的算力需求预测方法，其特征在于，包括如下步骤：S1，基于不同边缘设备各采样时刻下的历史工作负载数据和设备特征数据构建对应的负载样本序列；S2，以采样时刻为横坐标、负载样本序列中的上传带宽工作负载为纵坐标分别绘制每个边缘设备的负载变化趋势图，基于负载变化趋势图和负载样本序列中的设备特征数据生成每个边缘设备的设备状态图；S3，初始化训练轮次设置训练总轮数和样本筛选时段S4，基于步骤S2得到的设备状态图利用Patch技术和向量编码获取每个边缘设备的图编码向量，根据图编码向量利用预设负载预测模型对每个边缘设备的每个图编码向量执行编码融合和通道融合得到每个边缘设备的特征融合向量；S5，利用时间投影全连接层和特征投影全连接层对步骤S4得到的特征融合向量进行投影得到对应的负载预测值；S6，基于样本筛选时段对步骤S1得到的边缘设备的负载样本序列进行筛选，构建每个边缘设备的关注负载样本序列集，将每个边缘设备的关注负载样本序列集分别划分为δ组，从每组负载样本序列中分别选取出上传带宽工作负载的最大值，以该最大值所对应的采样时刻的负载样本序列、该负载样本序列相邻的γ个负载样本序列以及步骤S5得到的负载预测值为基础计算负载预测损失，以最小化负载预测损失为目标对负载预测模型进行优化；S7，判断若是，执行q，＝q，+1，并返回步骤S4，否则，在线收集边缘设备的新的工作负载数据和设备特征数据，按照步骤S1-S2的方法构建对应的设备状态图，根据步骤S4-S5的方法输出对应的负载预测值。

全文数据：

权利要求：

百度查询： 派欧云计算(上海)有限公司 一种基于图像模态的算力需求预测方法及装置