申请/专利权人:上海壁仞科技股份有限公司
申请日:2024-01-11
公开(公告)日:2024-03-26
公开(公告)号:CN117764203A
主分类号:G06N20/00
分类号:G06N20/00;G06F16/2458;G06F16/248
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明提供一种大规模机器学习性能优化指导装置、方法、设备及介质,涉及机器学习技术领域,该装置包括:基础任务层,用于基于预先选中的多个基础任务组件对原始性能数据进行数据处理,得到基础数据;高级任务层,用于对基础数据进行统计浓缩处理,得到第一多层次数据;业务功能层,用于对第一多层次数据进行交叉整合、性能指标计算和性能异常检测,得到第二多层次数据;基于第二多层次数据确定性能分析链、优化建议和性能报告;网络服务层,用于响应用户操作,基于多层次数据库和业务数据库确定操作结果,并对操作结果进行可视化展示。本发明通过多维度多层次的整合分析给出性能优化指导,有助于用户往更细粒度的方向分析性能。
主权项:1.一种大规模机器学习性能优化指导装置,其特征在于,包括:基础任务层,用于提供基础任务组件库,基于从所述基础任务组件库中预先选中的多个基础任务组件,对原始数据库中的原始性能数据进行数据处理,得到基础数据,并将所述基础数据存储到基础数据库中;高级任务层,用于对所述基础数据进行统计浓缩处理,得到第一多层次数据,并将所述第一多层次数据存储到多层次数据库中;业务功能层,用于对所述第一多层次数据进行交叉整合、性能指标计算和性能异常检测,得到第二多层次数据,并将所述第二多层次数据存储到所述多层次数据库中;基于所述第二多层次数据确定性能分析链、优化建议和性能报告,并将所述性能分析链、所述优化建议和所述性能报告存储到业务数据库中;网络服务层,用于响应用户操作,基于所述多层次数据库和所述业务数据库确定操作结果,并对所述操作结果进行可视化展示;所述操作结果包括查询结果和或自定义分析结果。
全文数据:
权利要求:
百度查询: 上海壁仞科技股份有限公司 大规模机器学习性能优化指导装置、方法、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。