显存使用效率预测训练数据

本数据集包含数千条TPU性能监控数据，经清洗及特征工程，衍生出热密度、延迟乘积等特征，以显存效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，本数据可用于训练显存效率预测模型，帮助企业在有限的显存容量下最大化吞吐量，优化模型部署时的显存分配策略，减少显存浪费，降低推理成本。此外，本数据集可为机器学习模型提供高质量训练数据，用于训练显存优化模型、资源利用率提升模型等，具有重要的行业应用价值。本数据集具有独立性：通过自主设计因变量计算规则及衍生特征，独立抽取、清洗、重索引。必要性：原始数据中显存使用与吞吐量关系复杂，直接使用难以建模；本数据集构造出显存效率这一综合指标，是TPU显存优化训练任务的基础。

搜集汇总

背景与挑战

背景概述

该数据集包含数千条经清洗与特征工程处理的TPU性能监控数据，以显存效率为回归预测目标，并按8:1:1划分为训练、验证和测试集。企业可利用该数据训练预测模型，优化显存分配策略，从而在有限显存下最大化吞吐量并降低推理成本。