AI推理硬件训练数据

本数据集包含数千条AI推理硬件（GPU/TPU类）的性能监控数据，经清洗、筛选及特征工程，新生成带宽压力特征，以动态功耗作为回归预测目标。数据按8:1:1划分为训练集、验证集和测试集，可直接用于监督学习模型训练。对外部企业而言，本数据可用于训练动态功耗预测模型，帮助云服务商、数据中心运营商、边缘计算设备厂商根据易测指标实时估算推理功耗，从而优化任务调度、降低制冷成本、延长电池供电设备续航。此外，本数据集可为机器学习模型提供高质量训练数据，用于训练功耗异常检测模型、负载自适应调频模型等，具有重要的行业应用价值。独立性：本数据集通过明确的筛选条件、独立新生成特征计算及随机划分，形成自包含的训练数据。必要性：原始字段缺乏如带宽压力这类显式交互特征，直接训练模型效果较差。本数据集直接提供干净、带新生成特征的标准化训练数据，是AI推理硬件功耗建模任务的基础。

搜集汇总

背景与挑战

背景概述

该数据集包含数千条AI推理硬件（GPU/TPU类）的性能监控数据，经过数据清洗、筛选及特征工程处理，新增了带宽压力特征，并以动态功耗作为回归预测目标。数据按8:1:1的比例划分为训练集、验证集和测试集，可直接用于监督学习模型训练。企业可利用此数据集训练动态功耗预测模型，助力云服务商、数据中心等根据易测指标实时估算推理功耗，从而优化任务调度、降低运营成本。