申请/专利权人：北京科技大学

申请日：2024-01-05

公开（公告）日：2024-04-09

公开（公告）号：CN117852671A

主分类号：G06N20/00

分类号：G06N20/00;G06F18/214;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于机器学习的动态任务映射方法及系统，该方法包括：分别计算异构集群中的各处理核运行分布式任务时的IPC值变化幅度均值；当任意一处理核的IPC值变化幅度均值超过预设阈值时，则基于预设的机器学习模型分别对不同的分布式任务运行在各处理核上的IPC值进行预测，得到每一分布式任务在各处理核上运行时的IPC值预测结果；基于IPC值预测结果，计算出每一映射方案的IPC值；将计算出的最大IPC值所对应的映射方案作为最优映射方案，建立任务和处理核间的映射。本发明可快速感知任务执行的阶段性变化，准确评估训练任务的资源需求，及时做出重映射决策，从而提高资源利用率，并提升大规模异构集群分布式训练效果。

主权项：1.一种基于机器学习的动态任务映射方法，其特征在于，包括：分别计算异构集群中的各处理核运行分布式任务时的IPCInstructionsPerClock，每个时钟周期内执行的指令数量值变化幅度均值；当任意一处理核的IPC值变化幅度均值超过预设阈值时，则基于预设的机器学习模型分别对不同的分布式任务运行在各处理核上的IPC值进行预测，得到每一分布式任务在各处理核上运行时的IPC值预测结果；基于IPC值预测结果，计算出每一映射方案的IPC值；将计算出的最大IPC值所对应的映射方案，作为最优映射方案，建立任务和处理核之间的映射。

全文数据：

权利要求：

百度查询： 北京科技大学 一种基于机器学习的动态任务映射方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD