[发明专利]一种基于硬件资源消耗的机器学习方法及装置

权利要求书

1.一种基于硬件资源消耗的机器学习方法，其特征在于，所述方法包括：

根据机器学习方法，基于网络资源确定待学习的原数学模型；

根据学习该原数学模型的过程中机器的硬件资源消耗量以及学习该原数学模型的时间，确定硬件资源消耗量函数，其中所述硬件资源消耗量包括：机器的CPU的消耗量、机器的内存消耗量、机器的网络IO消耗量以及机器的磁盘消耗量中的一种或几种；

根据确定的原数学模型及硬件资源消耗量函数，确定目标数学模型；

当所述目标数学模型确定后，根据机器学习的方法，确定所述目标数学模型中的相应参数；

根据确定的所述相应参数，采用所述原数学模型应用在所述网络资源中。

2.如权利要求1所述的方法，其特征在于，当所述机器的硬件资源消耗量包括机器的CPU的消耗量、机器的内存消耗量、机器的网络IO消耗量以及机器的磁盘消耗量时，所述确定硬件资源消耗量函数包括：

根据学习该原数学模型的该机器CPU的核数，确定CPU的第一消耗量；

根据机器学习该原数学模型对CPU的占用率，确定CUP的第二消耗量；

根据机器学习该原数学模型对内存的占用，确定内存消耗量；

根据机器学习该原数学模型对网络IO占用，确定网络IO消耗量；

根据机器学习该原数学模型对磁盘的占用，确定磁盘消耗量；

根据确定的CPU的第一消耗量和CUP的第二消耗量的积，确定CPU消耗量；

根据学习该原数学模型的时间，及确定的CPU消耗量、内存消耗量、网络IO消耗量、磁盘消耗量和设置的每个消耗量对应的权值，确定学习原数学模型的过程中的硬件资源消耗量函数，其中每个消耗量对应的权值大于等于零。

3.如权利要求2所述的方法，其特征在于，所述确定硬件资源消耗量函数包括：

按照设定的时间间隔，采集机器学习该原数学模型时对CPU的占用率，将采集到的当前CPU的占用率，确定为该时间间隔内CUP的第二消耗量；

按照设定的时间间隔，采集机器学习该原数学模型时对内存的占用，将采集到的当前对内存的占用，确定为该时间间隔内内存消耗量；

按照设定的时间间隔，采集机器学习该原数学模型时对网络IO的占用，将采集到的当前对网络IO的占用，确定为该时间间隔内网络IO消耗量；

按照设定的时间间隔，采集机器学习该原数学模型时对磁盘的占用，将采集到的当前对磁盘的占用，确定为该时间间隔内对的磁盘消耗量；

根据确定的每个时间间隔，及每个时间间隔内CPU消耗量内存消耗量、网络IO消耗量、磁盘消耗量和设置的每个消耗量对应的权值，确定学习原数学模型的过程中的硬件资源消耗量函数，其中每个消耗量对应的权值大于等于零。

4.如权利要求1所述的方法，其特征在于，所述根据机器学习的方法，确定所述目标数学模型中的相应参数包括：

确定机器对该目标数学模型学习的过程中，该目标数学模型的最小值；

将该目标数学模型的最小值时，该目标数学模型的参数的值，确定学习到该目标数学模型的参数的值。

5.如权利要求1所述的方法，其特征在于，所述基于网络资源确定待学习的原数学模型包括：

基于网页中包含的信息，确定待学习的确定每个网页权重的原数学模型；或

基于数据库中记录的每个用户的操作行为，确定待学习的推荐系统的原数学模型；或

基于搜索到的语音信息，确定待学习的语音识别方法的原数学模型；或

基于搜索到的文本信息，确定待学习的文本分析方法的原数学模型；或

基于保存的每个用户的朋友圈的信息，确定待学习的确定用户社交网络的原数学模型；或

基于保存的广告的历史展现点击信息，确定待学习的确定广告点击率的原数学模型。