调度确定模型的训练方法、指标数据的确定方法及装置与流程

1.本发明涉及任务处理技术领域，尤其涉及一种调度确定模型的训练方法、指标数据的确定方法及装置。


背景技术：

2.随着汽车电子技术的飞速发展，汽车电子的需求朝着多样化、复杂化发展，车载微控单元(microcontroller unit,mcu)的计算复杂性越来越高，任务处理需求越来越多，这就对mcu的实时性和可靠性提出了更高的要求，同时也间接对mcu的多样性提出了更高的要求。
3.目前，汽车电子面临当代全球化节能、安全和智能化的挑战，mcu应用领域呈现多样化发展，每个挑战的背后都有半导体的创新，各个领域对mcu的需求都不同。相较于其他领域，汽车控制系统中对mcu的要求更加苛刻，既有速度和性能上的要求，也有保证系统可靠和安全的要求。同时，为应对复杂的应用场景，mcu多核化，多任务化需求变得越来越多，成为mcu未来的一个重要发展方向。


技术实现要素：

4.本技术实施例提供了一种调度确定模型的训练方法、指标数据的确定方法及装置，可以根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
5.本技术实施例提供了一种调度确定模型的训练方法，包括：
6.获取训练数据集；训练数据集包括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据；
7.将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集；预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应；
8.根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。
9.进一步地，将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集，包括：
10.确定每个待处理任务集中每个待处理任务的优先级信息和时间标识信息；
11.根据每个待处理任务的优先级信息和每个待处理任务的时间标识信息，基于候选调度集中的每个候选调度执行每个待处理任务集，得到每个待处理任务集对应的预测指标数据集；
12.其中，候选调度集中的候选调度与预测指标数据集中的预测指标数据子集对应，预测指标数据子集中的预测指标数据与参考指标数据集中的参考指标数据一一对应。
13.进一步地，根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型之前，还包括：
14.根据每个待处理任务的优先级信息，确定预测指标数据集中每个预测指标数据的权重信息。
15.进一步地，根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型，包括：
16.根据预测指标数据集中每个预测指标数据的权重信息，确定预测指标数据集的第一评估信息，以及参考指标数据集的第二评估信息；
17.根据第一评估信息和第二评估信息，确定误差信息；
18.基于误差信息对待训练模型进行训练，得到调度确定模型。
19.进一步地，预测指标数据集包括待处理任务集中每个待处理任务对应的预测响应时间信息、预测执行时间信息、预测中断频率信息和处理器利用率信息。
20.本技术实施例提供了一种调度确定模型的训练装置，包括：
21.第一获取模块，用于获取训练数据集；训练数据集包括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据；
22.第一输入输出模块，用于将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集；预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应；
23.训练模块，用于根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。
24.进一步地，第一输入输出模块，包括：
25.第一确定子模块，用于确定每个待处理任务集中每个待处理任务的优先级信息和时间标识信息；
26.第二确定子模块，用于根据每个待处理任务的优先级信息和每个待处理任务的时间标识信息，基于候选调度集中的每个候选调度执行每个待处理任务集，得到每个待处理任务集对应的预测指标数据集；
27.其中，候选调度集中的候选调度与预测指标数据集中的预测指标数据子集对应，预测指标数据子集中的预测指标数据与参考指标数据集中的参考指标数据一一对应。
28.进一步地，上述调度确定模型的训练装置，还包括：
29.第一确定模块，用于在根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型之前，根据每个待处理任务的优先级信息，确定预测指标数据集中每个预测指标数据的权重信息。
30.进一步地，训练模块，包括：
31.第一确定子模块，用于根据预测指标数据集中每个预测指标数据的权重信息，确定预测指标数据集的第一评估信息，以及参考指标数据集的第二评估信息；
32.第二确定子模块，用于根据第一评估信息和第二评估信息，确定误差信息；
33.训练子模块，用于基于误差信息对待训练模型进行训练，得到调度确定模型。
34.进一步地，预测指标数据集包括待处理任务集中每个待处理任务对应的预测响应
时间信息、预测执行时间信息、预测中断频率信息和处理器利用率信息。
35.相应地，本技术实施例还提供了一种电子设备，该电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述调度确定模型的训练方法。
36.相应地，本技术实施例还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述调度确定模型的训练方法。
37.本技术实施例提供了一种指标数据的确定方法，包括：
38.获取待执行任务集；
39.将所述待执行任务集输入调度确定模型，输出所述待执行任务集对应的目标指标数据集；所述调度确定模型是基于上述调度确定模型的训练方法得到的模型。
40.本技术实施例提供了一种指标数据的确定装置，包括：
41.第二获取模块，用于获取待执行任务集；
42.第二输入输出模块，用于将所述待执行任务集输入调度确定模型，输出所述待执行任务集对应的目标指标数据集；所述调度确定模型是基于上述调度确定模型的训练方法得到的模型。
43.相应地，本技术实施例还提供了一种电子设备，该电子设备包括处理器和存储器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述指标数据的确定方法。
44.相应地，本技术实施例还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述指标数据的确定方法。
45.本技术实施例具有如下有益效果：
46.本技术实施例所公开的一种调度确定模型的训练方法、指标数据的确定方法及装置，训练方法包括获取训练数据集，该训练数据集包括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据，进而将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集，其中，预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应，然后根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。基于本技术实施例根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
附图说明
47.为了更清楚地说明本技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
48.图1是本技术实施例提供的一种调度确定模型的训练方法的应用场景示意图；
49.图2是本技术实施例提供的一种调度确定模型的训练方法的流程示意图；
50.图3是本技术实施例提供的一种调度确定模型的训练装置的结构示意图；
51.图4是本技术实施例提供的一种指标数据的确定方法的应用场景示意图；
52.图5是本技术实施例提供的一种指标数据的确定方法的流程示意图；
53.图6是本技术实施例提供的一种指标数据的确定装置的结构示意图。
具体实施方式
54.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施例作进一步地详细描述。显然，所描述的实施例仅仅是本技术一个实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
55.此处所称的“实施例”是指可包含于本技术至少一个实现方式中的特定特征、结构或特性。在本技术实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术实施例能够以除了在这里图示或描述以外的顺序实施。此外，术语“包括”、“具有”和“为”以及他们的任何变形，意图在于覆盖不排他的包含。
56.下面介绍本技术一种调度确定模型的训练方法的具体实施例，图1是本技术实施例提供的一种调度确定模型的训练方法的应用场景示意图，图2是本技术实施例提供的一种调度确定模型的训练方法的流程示意图，本说明书提供了如实施例或流程图所示的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式，不代表唯一的执行顺序，在实际执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
57.具体的如图2所示，该方法可以包括：
58.s201：获取训练数据集；训练数据集包括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据。
59.本技术实施例中，可以基于汽车开放系统架构(automotive open system architecture,autosar)的trace接口，获取微控制单元(microcontroller unit,mcu)的历史运行数据，作为训练数据集。训练数据集可以包括多个待处理任务集和每个待处理任务集对应的参考指标数据集。可选地，参考指标数据集可以包括历史任务从就绪到执行的响应时间、历史任务的净执行时间、历史任务中断处理的频率和历史任务的总执行时间等。
60.s203：将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集；预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应。
61.本技术实施例中，在获取训练数据集之后，可以确定每个待处理任务集中每个待处理任务的优先级信息和时间标识信息，进而根据每个待处理任务集中每个待处理任务的
优先级信息和时间标识信息，基于候选调度集中的每个候选调度执行每个待处理任务集，得到每个待处理任务集对应的预测指标数据集。其中，候选调度集中的候选调度与预测指标数据集中的预测指标数据子集对应，预测指标数据子集中的预测指标数据与参考指标数据集中的参考指标数据一一对应。
62.本技术实施例中，待训练模块可以是循环神经网络模型。
63.在一种可选的实施方式中，可以确定待处理任务集中每个待处理任务的优先处理等级和到达mcu的时刻，其中，每个待处理任务的优先处理等级是基于每个待处理任务的类型决定的。例如，通常情况下，车载安全控制器对应的待处理任务的优先级高于车载娱乐影音控制器对应的待处理任务的优先级。车载制动踏板对应的待处理任务的优先级高于车载加速踏板对应的待处理任务的优先级。然后，可以根据每个待处理任务的优先处理等级和到达mcu的时刻，利用候选调度集中的每个候选调度执行所述待处理任务集。其中，候选调度集包括但不限于先来先服务调度、短作业优先调度、时间片轮转调度、优先级调度、完全公平调度。也即是，可以基于先来先服务调度、短作业优先调度、时间片轮转调度、优先级调度、完全公平调度执行待处理任务集，得到在每个候选调度下待处理任务集对应的预测指标数据集，该预测指标数据集可以包括但不限于每个待处理任务对应的预测响应时间信息、预测执行时间信息、预测中断频率信息和处理器利用率信息。这里，虽然待处理任务集中每个待处理任务具有优先处理等级，但是在候选调度执行的过程中，并不按照待处理任务集中每个待处理任务的优先处理等级进行处理，而是基于每个候选调度的侧重执行待处理任务集中的待处理任务，其中，一些调度侧重实时性，但是难以避免进饥饿。
64.下面举例对确定每个待处理任务集对应的预测指标数据集进行说明。
65.假设，任务1为车载制动踏板对应的待处理任务，任务1的优先级为最高级l1，任务1到达mcu的时间为t1，任务2为车载音乐播放器对应的待处理任务，任务2的优先级为最低级l3，任务2到达mcu的时间为t2，任务3为车载定位设备对应的待处理任务，任务3的优先级为中高级l2，任务3到达mcu的时间为t3，其中，t1早于t2，t2早于t3。参考调度为先来先服务调度，基于先来先服务调度执行包括任务1、任务2和任务3的待处理任务集，得到任务1的响应时间为2s、执行时间为10s、中断“1次”、利用率为“70％”，任务2的响应时间为2s、执行时间为20s、中断“0次”、利用率为“80％”，任务3的响应时间为4s、执行时间为30s、中断“0次”、利用率为“60％”。在待训练模型中，可以基于优先级调度执行包括任务1、任务2和任务3的待处理任务集，得到并记录任务1的响应时间为0s、执行时间为10s、中断“0次”、利用率为“60％”，任务2的响应时间为1s、执行时间为10s、中断“0次”、利用率为“70％”，任务3的响应时间为2s、执行时间为10s、中断“0次”、利用率为“80％”。如此，可以得到参考指标数据集包括{先来先服务调度
│
任务1-响应2s-执行10s-中断1次-利用率70％，任务2-响应2s-执行20s-中断0次-利用率80％，任务3-响应4s-执行30s-中断0次-利用率60％}。也可以得到预测指标数据子集合{优先级调度
│
任务1-响应0s-执行10s-中断0次-利用率60％，任务2-响应1s-执行10s-中断0次-利用率70％，任务3-响应2s-执行10s-中断0次-利用率80％}。同样地，可以基于上文中描述的其他候选调度执行包含任务1、任务2和任务3的待处理任务集，得到每个待处理任务集对应的预测指标数据集。
66.s205：根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。
67.本技术实施例中，待处理任务集中的每个待处理任务包含不同的功能模块，具有不同的实时性、优先级等需求，因此在确定预测指标数据集之后，可以根据每个待处理任务的优先级信息，确定预测指标数据集中每个预测指标数据的权重信息，即预测指标数据对训练的待训练模型的重要程度。
68.本技术实施例中，由于预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应，因此，预测指标数据集中每个预测指标数据对应的权重信息就是对应的参考指标数据对应的权重信息。故可以根据预测指标数据集中每个预测指标数据的权重信息，确定预测指标数据集的第一评估信息，以及参考指标数据集的第二评估信息，并根据第一评估信息和第二评估信息，确定误差信息，然后基于误差信息对待训练模型进行训练，得到调度确定模型。
69.基于上文中列举的例子继续进行说明，假设，任务1对应的预测数据集中响应时间对应的权重为0.4，执行时间对应的权重为0.4，中断对应的权重为0.1，利用率对应的权重为0.1。任务2对应的预测数据集中响应时间对应的权重为0.2，执行时间对应的权重为0.2，中断对应的权重为0.4，利用率对应的权重为0.2。任务3对应的预测数据集中响应时间对应的权重为0.3，执行时间对应的权重为0.3，中断对应的权重为0.2，利用率对应的权重为0.2。同时，预设评估规则为一一对应的参考指标数据和预测指标数据中，表现更加的指标数据对应的得分为“1分”，表现较差的指标数据对应的得分为“0分”。以上文中的参考指标数据集{先来先服务调度
│
任务1-响应2s-执行10s-中断1次-利用率70％，任务2-响应2s-执行20s-中断0次-利用率80％，任务3-响应4s-执行30s-中断0次-利用率60％}和预测指标数据子集{优先级调度
│
任务1-响应0s-执行10s-中断0次-利用率60％，任务2-响应1s-执行10s-中断0次-利用率70％，任务3-响应2s-执行10s-中断0次-利用率80％}为例进行说明。先来先服务调度中任务1的响应时间比优先级调度中任务1的响应时间长，因此，预测指标数据“任务1-响应0s”得“1
×
0.3分”，参考指标数据“任务1-响应2s”得“0分”。先来先服务调度中任务1的执行时间与优先级调度中任务1的响应时间相等，因此，预测指标数据“任务1-响应10s”得“1分”，参考指标数据“任务1-响应10s”得“1分”，基于一一对应的比较方法，可以得到参考指标数据集对应的第一评估信息为“得1.3分”，预测指标数据子集对应的第二评估信息为“得2.7分”，可见，预测指标数据子集合对应的第二评估信息高于参考指标数据集对应的第一评估信息，也即是，基于优先级调度执行包含任务1、任务2和任务3的待处理任务集比基于先来先服务调度更合适。基于同样的方法，可以确定每个候选调度对应的预测指标数据子集的第一评估信息，进行迭代优化，此处不再赘述。
70.采用本技术实施例提供的调度确定模型的训练方法得到的调度确定模型可以根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
71.本技术实施例还提供的一种调度确定模型的训练装置，图3是本技术实施例提供的一种调度确定模型的训练装置的结构示意图，如图3所示，该装置可以包括：
72.第一获取模块301，用于获取训练数据集；训练数据集包括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据；
73.第一输入输出模块303，用于将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集；预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应；
74.训练模块305，用于根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。
75.进一步地，第一输入输出模块303可以包括：
76.第一确定子模块，用于确定每个待处理任务集中每个待处理任务的优先级信息和时间标识信息；
77.第二确定子模块，用于根据每个待处理任务的优先级信息和每个待处理任务的时间标识信息，基于候选调度集中的每个候选调度执行每个待处理任务集，得到每个待处理任务集对应的预测指标数据集；
78.其中，候选调度集中的候选调度与预测指标数据集中的预测指标数据子集对应，预测指标数据子集中的预测指标数据与参考指标数据集中的参考指标数据一一对应。
79.进一步地，上述调度确定模型的训练装置，还包括：
80.第一确定模块，用于在根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型之前，根据每个待处理任务的优先级信息，确定预测指标数据集中每个预测指标数据的权重信息。
81.进一步地，训练模块305可以包括：
82.第一确定子模块，用于根据预测指标数据集中每个预测指标数据的权重信息，确定预测指标数据集的第一评估信息，以及参考指标数据集的第二评估信息；
83.第二确定子模块，用于根据第一评估信息和第二评估信息，确定误差信息；
84.训练子模块，用于基于误差信息对待训练模型进行训练，得到调度确定模型。
85.进一步地，预测指标数据集包括待处理任务集中每个待处理任务对应的预测响应时间信息、预测执行时间信息、预测中断频率信息和处理器利用率信息。
86.本技术实施例中的装置与方法实施例基于同样的申请构思。
87.采用本技术实施例提供的调度确定模型的训练装置，可以根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
88.本技术实施例还提供的一种电子设备，电子设备可设置于服务器之中以保存用于实现方法实施例中的一种调度确定模型的训练方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的调度确定模型的训练方法。
89.本技术实施例还提供的一种存储介质，存储介质可设置于服务器之中以保存用于实现方法实施例中一种调度确定模型的训练方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述调度确定模型的训练方法。
90.可选的，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于包括：u盘、只读存储器(rom，read-only memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代
码的介质。
91.下面介绍本技术一种指标数据的确定方法的具体实施例，图4是本技术实施例提供的一种指标数据的确定方法的应用场景示意图，图5是本技术实施例提供的一种指标数据的确定方法的流程示意图，本说明书提供了如实施例或流程图所示的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式，不代表唯一的执行顺序，在实际执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
92.具体如图5所示，指标数据的确定方法可以包括：
93.s501：获取待执行任务集；
94.s503：将所述待执行任务集输入调度确定模型，输出所述待执行任务集对应的目标指标数据集；所述调度确定模型是基于上述调度确定模型的训练方法得到的模型。
95.采用本技术实施例提供的指标数据的确定方法，可以根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
96.本技术实施例还提供的一种指标数据的确定装置，图6是本技术实施例提供的一种指标数据的确定装置的结构示意图，如图6所示，该装置可以包括：
97.第二获取模块601，用于获取待执行任务集；
98.第二输入输出模块603，用于将所述待执行任务集输入调度确定模型，输出所述待执行任务集对应的目标指标数据集；所述调度确定模型是基于上述调度确定模型的训练方法得到的模型。
99.本技术实施例中的装置与方法实施例基于同样的申请构思。
100.采用本技术实施例提供的指标数据的确定方法，可以根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
101.本技术实施例还提供的一种电子设备，电子设备可设置于服务器之中以保存用于实现方法实施例中的一种指标数据的确定方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的指标数据的确定方法。
102.本技术实施例还提供的一种存储介质，存储介质可设置于服务器之中以保存用于实现方法实施例中一种指标数据的确定方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述指标数据的确定方法。
103.可选的，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于包括：u盘、只读存储器(rom，read-only memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
104.由上述本技术提供的调度确定模型的训练方法、指标数据的确定方法、装置、电子设备或存储介质的实施例可见，本技术中训练方法包括获取训练数据集，该训练数据集包
括多个待处理任务集和每个待处理任务集对应的参考指标数据集，参考指标数据集是基于参考调度执行每个待处理任务集得到的多个指标数据，进而将训练数据集输入待训练模型，得到每个待处理任务集对应的预测指标数据集，其中，预测指标数据集中的预测指标数据与参考指标数据集中的参考指标数据一一对应，然后根据参考指标数据集和预测指标数据集，对待训练模型进行训练，得到调度确定模型。基于本技术实施例根据待处理任务集中每个待处理任务的需求选择合适的调度，可以减少拥塞、减少待处理任务集的总执行时间，可以提高系统的处理效率，并且，可以兼顾系统的实时性和cpu的利用率。
105.在本发明中，除非另有明确的规定和限定，术语“相连”、“连接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的相连或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
106.需要说明的是：上述本技术实施例的先后顺序仅仅为了描述，不代表实施例的优劣，且上述本说明书对特定的实施例进行了描述，其他实施例也在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外，在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果，在某些实施方式中，多任务并行处理也是可以的或者可能是有利的。
107.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的均为与其他实施例的不同之处。尤其，对于装置的实施例而言，由于其基于相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
108.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。