Что это?
Это исследовательский репозиторий, реализующий адаптивный планировщик задач CPU, обученный с помощью Deep Q-Network (DQN). Он включает симулятор многоядерных процессоров с DVFS и наградой, учитывающей температуру, плюс конвейеры обучения, оценки и построения графиков.
Это исследовательский репозиторий, реализующий адаптивный планировщик задач CPU, обученный с помощью Deep Q-Network (DQN). Он включает симулятор многоядерных процессоров с DVFS и наградой, учитывающей температуру, плюс конвейеры обучения, оценки и построения графиков.Это работающий планировщик, который можно встроить в ОС, или исследовательский симулятор?Это исследовательский симулятор, а не настоящий хук планировщика ОС — среда в духе Gym, моделирующая многоядерные CPU, DVFS и тепловое поведение, чтобы DQN-агента можно было обучать и оценивать в изоляции.
Это исследовательский симулятор, а не настоящий хук планировщика ОС — среда в духе Gym, моделирующая многоядерные CPU, DVFS и тепловое поведение, чтобы DQN-агента можно было обучать и оценивать в изоляции.Как это запустить?В README есть отдельный раздел Quick Start, описывающий, как запустить симулятор, обучить DQN-агента и построить графики оценки.
В README есть отдельный раздел Quick Start, описывающий, как запустить симулятор, обучить DQN-агента и построить графики оценки.Управляет ли это планированием реального процессора?Нет, он работает только внутри симулятора — о подключении к реальному планировщику ОС или физическому железу ничего не сказано; всё (задачи, ядра, DVFS, температура) моделируется программно.
Нет, он работает только внутри симулятора — о подключении к реальному планировщику ОС или физическому железу ничего не сказано; всё (задачи, ядра, DVFS, температура) моделируется программно.С какими базовыми планировщиками сравнивается DQN-агент?Сравнение идёт с классическими планировщиками без обучения: Round Robin (RR), Earliest Deadline First (EDF) и Shortest Remaining Time First (SRTF).
Сравнение идёт с классическими планировщиками без обучения: Round Robin (RR), Earliest Deadline First (EDF) и Shortest Remaining Time First (SRTF).Какие варианты DQN использует агент?Используются архитектуры Double DQN и Dueling DQN вместе с prioritized experience replay для более стабильного обучения.
Используются архитектуры Double DQN и Dueling DQN вместе с prioritized experience replay для более стабильного обучения.Почему функция награды учитывает температуру?Симулятор включает тепловой прокси наряду с DVFS в среде, поэтому награда агента формируется так, чтобы сбалансировать производительность планирования с ограничениями по питанию/температуре CPU.
Симулятор включает тепловой прокси наряду с DVFS в среде, поэтому награда агента формируется так, чтобы сбалансировать производительность планирования с ограничениями по питанию/температуре CPU.Можно ли воспроизвести показанные в репозитории результаты, как в статье?Да, проект построен вокруг воспроизводимых экспериментов со встроенным построением графиков, так что результаты обучения и сравнения с базовыми планировщиками можно сгенерировать заново.
Да, проект построен вокруг воспроизводимых экспериментов со встроенным построением графиков, так что результаты обучения и сравнения с базовыми планировщиками можно сгенерировать заново.What are similar projects?dopamine, MLAlgorithms, ML-From-Scratch, ml-agents, DeepLearning, reinforcement-learning, Gymnasium, ANE
dopamine, MLAlgorithms, ML-From-Scratch, ml-agents, DeepLearning, reinforcement-learning, Gymnasium, ANEWhich topics is it in?rl, deep-reinforcement-learning, cpu, scheduler, neural-networks, operating-system, optimization, simulation, academic, systems-programming, algorithms, reinforcement-learning
rl, deep-reinforcement-learning, cpu, scheduler, neural-networks, operating-system, optimization, simulation, academic, systems-programming, algorithms, reinforcement-learning