面向深度学习任务的算力度量预测方法

本发明公开了面向深度学习任务的算力度量预测方法，本发明在执行流程初始化阶段，对待处理的深度学习模型进行结构转换操作，将深度学习模型解析为一张有向无环的计算图；根据当前任务的配置参数与硬件条件，对计算图中的节点与边进行特征编码，得到节点特征向量信息和边特征向量信息后，输入至图神经网络，进行多轮消息传递与表征更新；在完成若干轮消息传递后，通过聚合函数对全图节点的特征进行整合，生成用于表示整个深度学习模型的全局特征向量；将全局特征向量输入预测模块，输出深度学习模型在当前配置下的计算时间开销预测值，并结合通信开销的估算结果，得出深度学习任务的总时间开销预测，用于支持后续的资源调度与执行策略决策。