【摘 要】
：
I/O性能已成为高性能运算系统性能提升的瓶颈。I/O日志（trace）作为系统在运行过程中记录的I/O请求信息,已被广泛应用于I/O性能分析之中。但是由于传统trace收集工具存在着资源消耗大等缺点,制约了性能评估准确性的提升。因此,trace生成工具应运而生。另一方面,生成对抗网络作为发展最迅速的生成模型之一,已经成功应用于计算机视觉、加密与安全等领域,并且在实值序列数据的生成方面具有很大的潜力
论文部分内容阅读
I/O性能已成为高性能运算系统性能提升的瓶颈。I/O日志（trace）作为系统在运行过程中记录的I/O请求信息,已被广泛应用于I/O性能分析之中。但是由于传统trace收集工具存在着资源消耗大等缺点,制约了性能评估准确性的提升。因此,trace生成工具应运而生。另一方面,生成对抗网络作为发展最迅速的生成模型之一,已经成功应用于计算机视觉、加密与安全等领域,并且在实值序列数据的生成方面具有很大的潜力。针对当前trace生成工具中存在的适用范围有限等问题,通过将生成对抗网络与trace生成领域相结合,提出了一种基于生成对抗网络的trace精准生成方法。考虑到I/O trace格式的多样性,通过选取出核心特征列并设计相应的预处理算法,将原始trace转化为神经网络可处理的trace向量数据。在现有生成对抗网络的基础上,综合考虑trace向量的时序性特点以及生成对抗网络中生成器、辨别器和损失函数的作用,共设计出八种候选生成对抗网络架构。最后从最大均值差异（Maximum Mean Discrepancy,MMD）、trace加速重放时间和开销三个方面对每种候选架构的trace生成精度和生成性能进行评估,选取出生成效果最优的架构。实验结果表明,以长短期记忆神经网络（Long Short-Term Memory,LSTM）为生成器和辨别器,以交叉熵函数为损失函数的生成架构具有最优的生成效果。该架构在六种trace数据集上均有优异的生成效果,最大均值差异值稳定在0.012到0.058之间,生成trace与真实trace的加速重放时间误差在0.08%到3.23%之间。证明该架构生成的trace具有良好的精度,可以精确反映出真实应用的工作负载特征,从而能够将生成trace用于I/O性能分析之中。
其他文献
对病人脑脊液分割是开发计算机辅助脑病理诊断系统的基础。精确地分割出脑部图像中脑脊液的区域,可以用来评价中风的严重程度。另外通过分割出来的脑脊液区域计算的体积,也可以被用作衡量脑水肿、大脑萎缩和脑积水的严重程度。因此,对医学图像脑脊液分割具有极大的研究价值。对能够快速成像的脑部CT进行脑脊液分割有着迫切的临床需求。首先对原始的脑部CT图像进行数据预处理:针对CT图像中脑脊液的HU值分布范围固定,以及
计算机断层成像技术（Computed Tomography,CT）广泛运用于人体组织结构的扫描,但是当人体内含有金属植入物和其他具有高衰减系数的物体时,会导致在CT图像中形成金属伪影,这些低质量的CT图像对医疗诊断和治疗评估等会产生不利影响。所以需要去除金属伪影（Metal Artifact Reduction,MAR）以改善CT图像的质量。针对MAR问题,提出一种基于监督式的条件生成对抗网络MA
部分接受全髋关节置换术的患者,在术后一段时间出现病理情况需要进行二次翻修。在翻修术前,需要通过患者CT图像获取关键解剖点和解剖轴的参数信息,辅助医生进行术前规划,提高手术准确度。根据临床需求,确定课题任务,即定位髋部假体球头和臼窝中心、拟合假体柄轴线和颈轴线。鉴于要定位的点、线并非解剖结构上的显著点,且病例图像较少的情况,充分利用髋关节假体的特征,制定了基于传统图像处理的定位方案。算法主要分为三个
对于全髋关节置换的一些患者,在假体使用一段时间后,可能要进行髋关节假体的翻修。在临床手术前,需要在CT图像中定位出假体股骨柄球头和髋臼杯的中心点的坐标位置,为髋关节翻修手术的术前规划提供依据。研究关键点的自动化精确定位方法,有助于提高医生的工作效率,减轻工作负担,提升手术的成功率。针对髋部假体的几何形态特点,提出一种基于假体形状拟合的快速定位髋骨假体关键点的方法。方法分为三个步骤:首先对原始CT图
大脑是人体极为重要的器官。尽早诊断与治疗可以有效的减少脑部疾病带来的巨大伤害。脑组织的分割是对脑组织进行定量分析的关键步骤,其中脑脊液分割是脑组织分割中的一个重要研究课题。近年来,基于深度学习的CT图像脑脊液分割取得了较大进展,但因预测时间过长,限制了其广泛的应用和发展,因此,研究高精度且预测效率高的分割模型具有重要意义。本文提出了一种基于U-Net的脑脊液自动分割方法,即Reduce U-Net
随着计算机软件及硬件技术不断完善和成熟,以及当前影像测量市场的需求极大地促进了影像测量系统的发展。国外的影像测量系统技术发展非常成熟,并且已经商业化,然而国内的影像测量系统大多是基于国外软件接口进行二次开发。在这两个背景下,通过对影像测量系统需求的分析,实现了影像测量仪几何元素构造系统。首先介绍了开发工具和环境,Qt开发平台用来设计与用户进行数据交互的界面,Open CASCADE提供了几何元素类
随着越来越多的人从农村迁居到城市,小区的规模越发壮大,由于疏于管理防范等原因也引发了许多安全问题,越来越多的居民开始担忧小区的安全情况,因此小区的安全防控也越发显得重要。为了保护居民的生命健康和财产安全,借助目标检测等相关技术实现小区的自动化实时安全监控与报警。小区的周界检测系统是智能监控系统的一个方向,它可以实现摄像头视频流的读取和解码、人体检测、多路摄像头并行处理、危险区域标记和告警等功能。系
随着工业的发展,工厂产品测量对测量精度和效率的要求越来越高,影像测量仪作为高精度仪器,如何减小其误差、提高其精度受到行业内广泛研究。构建数学模型、利用软件完成影像测量仪误差补偿的方法以其经济、高效等特点,在行业内广泛应用。拥有精确度高、稳定性强、热膨胀系数小、耐腐蚀性好等特点的线纹尺,常用于长度测量工具中作为测量校准光学部件。利用线纹尺进行影像测量仪的定位误差补偿方法,即基于交互的误差补偿,需要人
在人工髋关节使用一段时间后,可能需要进行翻修。在含有髋关节假体的CT影像中分割出非假体部分,并对不同骨组织给予不同的标签,是翻修髋关节手术规划的需要。自动化地准确分割出临床需要的组织将对医生提供有力的辅助。鉴于深度学习在图像分割中取得的成就,采用深层卷积神经网络作为框架。在网络模型的选择上,为了避免随着深度的加深可能出现的网络退化情况,选用了带有残差机制的3D-Res Unet网络,并在该网络的扩
利用CT图像对髋关节疾病进行诊断时,需要对髋关节骨组织进行多标签分割。显然,基于深度学习的医学影像分割效果超越了传统图像分割技术,但是,该方法需要大量有标签的数据进行监督学习,而标记CT图像目标组织需要耗费相当多的人力资源。对此,设计并实现一套基于传统方法的多标签分割方法,得到接近最优的分割结果,以此为基础进行少量的人工修正,可以有效地减少人工工作量。设计的传统图像分割算法分为髋关节的粗分割和精细