高吞吐量下MAC利用率训练数据

本数据集包含数千条AI推理硬件在高吞吐量（>4000FPS）工况下的性能监控数据，经筛选、清洗及特征工程，新生成带宽吞吐积特征，以MAC利用率作为回归预测目标。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，本数据可用于训练高吞吐场景下的计算单元利用率预测模型，帮助视频处理、批量推理、云端AI服务等高并发企业，在高压力下预估硬件资源利用程度，指导任务分发和动态扩缩容，避免过载或资源浪费。此外，本数据集可为机器学习模型提供高质量训练数据，用于训练利用率异常检测模型、高吞吐调度策略模型等，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（吞吐量>4000FPS，不含端点）、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：原始数据包含大量低吞吐样本（<2000FPS），这些样本中MAC利用率受任务调度和空闲开销影响大，与高吞吐场景（计算单元接近饱和）规律不同。企业若直接使用全量数据，对高吞吐下的利用率预测容易产生偏差。本数据集聚焦高吞吐区间，是高并发AI推理硬件利用率建模任务的基础。1.加工前的数据说明 原始数据为AI推理硬件运行状态监控日志，以表格形式存储，每行代表一个采样时刻，按编号顺序排列。总样本量达数千行，所有字段均为数值型且无缺失值。原始数据包含MAC利用率（%）、显存带宽（GB/s）、推理延迟（ms）、吞吐量（FPS）、动态功耗（W）、漏电功耗（W）、能效比（TOPS/W）共7个字段。 2.处理规则 首先，从原始数据中筛选出吞吐量>4000FPS的记录，构成高吞吐子集。对该子集进行质量检查，剔除超出物理合理范围的记录，并删除所有字段完全相同的重复记录。其次，基于原始字段新生成一个自变量字段：带宽吞吐积=显存带宽×吞吐量。因变量为MAC利用率。之后，对全部自变量进行Z-score标准化。最后，将处理后的全部数据按8:1:1比例随机划分为训练集、验证集和测试集。基于随机森林回归算法构建MAC利用率预测模型，以6个原始自变量和1个新生成自变量（带宽吞吐积）共7个输入，MAC利用率为输出。通过网格搜索优化超参数，特征重要性分析表明带宽吞吐积和推理延迟是影响高吞吐下MAC利用率的关键因素。模型在测试集上达到R²>0.93的良好精度，验证了本数据集的有效性。 3.数据内容描述 最终产出数据集包含7个自变量、1个因变量（MAC利用率）。所有数据均来自吞吐量>4000FPS的真实高吞吐运行环境（不含边界）。该数据集结构清晰、指标完整，可直接用于训练AI推理硬件在高吞吐量工况下的MAC利用率回归预测模型。

搜集汇总

背景与挑战

背景概述

本数据集包含来自AI推理硬件在高吞吐量（>4000FPS）工况下的性能监控数据，经筛选、清洗、特征工程（新增带宽吞吐积）及Z-score标准化后，以MAC利用率为预测目标，按8:1:1划分为训练集、验证集和测试集。基于随机森林回归模型验证，R²>0.93，表明数据集可用于训练高并发场景下硬件资源利用率预测模型，支持任务调度与动态扩缩容等应用。