AI推理硬件吞吐量预测训练数据集

本数据集以吞吐量（FPS）作为预测目标，可用于训练回归模型，根据当前硬件的MAC利用率、显存带宽、推理延迟、动态功耗、漏电功耗、能效比等实时状态，预估硬件的数据处理能力。对外部企业而言，本数据可帮助：边缘计算设备厂商：在带宽或功耗受限时预估实际帧率，指导模型压缩与缓存策略。AI加速卡设计公司：评估不同负载下的性能瓶颈，优化计算与存储配比。数据中心运营者：根据实时监控指标动态调整任务调度，避免过载或资源闲置。移动端推理引擎开发者：在低功耗模式下预测吞吐量下降程度，保障用户体验。

搜集汇总

背景与挑战

背景概述

该数据集以吞吐量（FPS）为预测目标，利用MAC利用率、显存带宽、推理延迟、动态功耗、漏电功耗及能效比等实时指标，用于训练回归模型以预估硬件的数据处理能力。其应用场景涵盖边缘计算设备、AI加速卡、数据中心及移动端推理引擎的性能优化与资源调度。