申请/专利权人:和美(深圳)信息技术股份有限公司
申请日:2020-12-08
公开(公告)日:2024-04-19
公开(公告)号:CN112559147B
主分类号:G06F9/48
分类号:G06F9/48;G06F9/50
优先权:
专利状态码:有效-授权
法律状态:2024.04.19#授权;2021.04.27#实质审查的生效;2021.03.26#公开
摘要:本发明公开了一种基于GPU占用资源特点的动态匹配算法、系统和设备,通过获取训练模型任务,对接收到的训练模型任务进行任务分析,并得到任务优先级排序的任务队列以及每个时间周期内任务的资源占有份额,并基于每个时间周期内任务的资源占有份额,从GPU集群中分配GPU资源;从而根据得到的任务优先级排序的任务队列以及分配的GPU资源执行训练任务,并将训练后得到的模型进行存储。在深度学习建模任务中,平台用户将训练模型的任务提交给平台去调度任务以及分配资源,综合考虑资源量以及资源占用时间,增加了资源分配的维度,利用时间和空间这两个维度更加合理地规划资源调度,达到整体任务的平均执行效率的显著幅提升。
主权项:1.一种基于GPU占用资源特点的动态匹配方法,其特征在于,所述方法包括:获取训练模型任务;对接收到的训练模型任务进行任务分析,并得到任务优先级排序的任务队列以及每个时间周期内任务的资源占有份额;具体包括:判定获取到的训练模型任务被执行过,则在预警环境中前期迭代训练;收集网络占用情况和模型张量特征;查询历史执行过程中,该训练模型任务对资源占用数量、资源占用时长的整体分布规律;基于网络占用情况、模型张量特征以及整体分布规律,制定资源分配策略;根据该资源分配策略,得到任务优先级排序的任务队列以及每个时间周期内任务的资源占有份额;基于每个时间周期内任务的资源占有份额,从GPU集群中分配GPU资源;根据得到的任务优先级排序的任务队列以及分配的GPU资源执行训练任务,并将训练后得到的模型进行存储。
全文数据:
权利要求:
百度查询: 和美(深圳)信息技术股份有限公司 基于GPU占用资源特点的动态匹配方法、系统和设备
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。