{"id":157425,"date":"2026-02-07T17:12:29","date_gmt":"2026-02-07T15:12:29","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/inicziativa-po-vstraivaniyu-modelej-mashinnogo-obucheniya-v-yadro-linux"},"modified":"2026-02-07T17:12:29","modified_gmt":"2026-02-07T15:12:29","slug":"inicziativa-po-vstraivaniyu-modelej-mashinnogo-obucheniya-v-yadro-linux","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pl\/blog\/news\/inicziativa-po-vstraivaniyu-modelej-mashinnogo-obucheniya-v-yadro-linux","title":{"rendered":"Inicjatywa wbudowywania modeli uczenia maszynowego w j\u0105dro Linux","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Wiaczes\u0142aw Dubieko z firmy IBM uruchomi\u0142 dyskusj\u0119 na li\u015bcie mailingowej deweloper\u00f3w j\u0105dra Linux na temat wykorzystania modeli uczenia maszynowego w j\u0105drze oraz zaproponowa\u0142 do test\u00f3w zestaw poprawek z bibliotek\u0105 do integracji modeli ML w j\u0105drze i przyk\u0142adem sterownika symbolicznego, kt\u00f3ry u\u017cywa tej biblioteki. <\/p>\n
Integracja modeli ML w j\u0105drze mo\u017ce by\u0107 pomocna w zmianie logiki dzia\u0142ania podsystem\u00f3w w zale\u017cno\u015bci od przetwarzanych danych, optymalizacji wydajno\u015bci oraz zmiany konfiguracji w zale\u017cno\u015bci od wewn\u0119trznego stanu system\u00f3w. Wykorzystanie uczenia maszynowego, kt\u00f3re potrafi wykrywa\u0107 wzorce i tworzy\u0107 prognozy bez r\u0119cznej implementacji algorytm\u00f3w, upro\u015bci dob\u00f3r najbardziej efektywnej konfiguracji j\u0105dra z uwzgl\u0119dnieniem z\u0142o\u017cono\u015bci i zmienno\u015bci wsp\u00f3\u0142czesnych obci\u0105\u017ce\u0144 roboczych, a tak\u017ce umo\u017cliwi rozwi\u0105zywanie takich problem\u00f3w jak prognozowanie awarii system\u00f3w przechowywania. <\/p>\n
Opr\u00f3cz silnika do wykonywania modeli rozwa\u017ca si\u0119 opracowanie narz\u0119dzi do gromadzenia danych do szkolenia modeli ML, samego szkolenia modelu oraz testowania rezultat\u00f3w. Poniewa\u017c do realizacji modelu ML wymagane s\u0105 operacje na liczbach zmiennoprzecinkowych, a w j\u0105drze nie zezwala si\u0119 na bezpo\u015brednie u\u017cycie FPU, proponowany prototyp stanowi warstw\u0119 do komunikacji z r\u00f3\u017cnymi podsystemami j\u0105dra z modelami ML, wykonywanymi w przestrzeni u\u017cytkownika, analogicznie do przeniesienia do przestrzeni u\u017cytkownika handler\u00f3w SPDK, DPDK i ublk. <\/p>\n
Przeniesienie wykonania i szkolenia modelu do przestrzeni u\u017cytkownika upraszcza konserwacj\u0119 i izoluje j\u0105dro od problem\u00f3w w kodzie realizacji modelu. Na etapie szkolenia dane o stanie i parametrach j\u0105dra mog\u0105 by\u0107 zar\u00f3wno pobierane przez handler z przestrzeni u\u017cytkownika, jak i przekazywane przez warstw\u0119 dzia\u0142aj\u0105c\u0105 na poziomie j\u0105dra. Do zarz\u0105dzania interakcjami pomi\u0119dzy komponentami w j\u0105drze i przestrzeni u\u017cytkownika s\u0142u\u017cy sysfs. Mo\u017cliwe jest adaptacyjne uczenie si\u0119 modelu ML, w kt\u00f3rym podsystem j\u0105dra otrzymuje rekomendacj\u0119 od modelu ML, stosuje zalecan\u0105 zmian\u0119 i ocenia skuteczno\u015b\u0107 rekomendacji dotycz\u0105cej zmiany stanu. \n \u0179r\u00f3d\u0142o: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"