[发明专利]一种基于机器学习的多核下MPI最优运行时的参数预测方法有效
| 申请号： | 201210042043.7 | 申请日： | 2012-02-23 |
| 公开（公告）号： | CN102708404A | 公开（公告）日： | 2012-10-03 |
| 发明（设计）人： | 曾宇 | 申请（专利权）人： | 北京市计算中心 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京安博达知识产权代理有限公司 11271 | 代理人： | 徐国文 |
| 地址： | 100012 北京市朝阳区北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种在多核环境下优化MPI应用的新方法：运用机器学习方法对多核机群下MPI应用的最优运行时参数进行预测。我们设计了具有不同点到点通信与集合通信数据比例的训练基准在特定的多核机群下产生训练数据，同时采用能快速输出结果的决策树REPTree和产生多个输出并具有较好抗噪性的神经网络ANN来构建运行时参数优化模型，通过训练基准产生的训练数据对优化模型进行训练，训练后的模型被用来对未知的输入MPI程序的最优运行时参数进行预测。实验证明，基于REPTree的预测模型和基于ANN的预测模型得到的优化运行时参数产生的加速比平均达到实际最大加速比的90％以上。 | ||
| 搜索关键词： | 一种 基于 机器 学习 多核 mpi 最优 运行 参数 预测 方法 | ||
【主权项】：
一种基于机器学习的多核下MPI最优运行时的参数预测方法，其特征在于：采用决策树和人工神经网络两种标准构建优化模型；用构造的训练基准在目标多核机群上通过设置多组运行时的参数的组合生成训练数据，并对构造的模型进行离线训练；训练后的模型用于对新的MPI程序预测最优的运行时的配置参数；将预测所得结果与实际最有运行时参数向量做对比，评估预测模式的准确度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市计算中心，未经北京市计算中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210042043.7/，转载请声明来源钻瓜专利网。
