同濟(jì)大學(xué)丁志軍獲國(guó)家專(zhuān)利權(quán)
買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰,真高效! 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)!專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便!
龍圖騰網(wǎng)獲悉同濟(jì)大學(xué)申請(qǐng)的專(zhuān)利一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán),本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予,授權(quán)公告號(hào)為:CN120508399B 。
龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為:202510994809.9,技術(shù)領(lǐng)域涉及:G06F9/50;該發(fā)明授權(quán)一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)是由丁志軍;董浩;徐悅皓設(shè)計(jì)研發(fā)完成,并于2025-07-18向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。
本一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了:本發(fā)明提供一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì),所述集群調(diào)度方法包括:收集深度學(xué)習(xí)訓(xùn)練任務(wù)相關(guān)數(shù)據(jù);構(gòu)建有效的多配置深度學(xué)習(xí)訓(xùn)練任務(wù)時(shí)長(zhǎng)預(yù)估模型,并對(duì)其進(jìn)行增量式訓(xùn)練;對(duì)集群陸續(xù)到達(dá)的任務(wù)進(jìn)行時(shí)長(zhǎng)預(yù)測(cè),以生成深度學(xué)習(xí)任務(wù)多配置下的任務(wù)時(shí)長(zhǎng);將基于預(yù)測(cè)結(jié)果的周期性調(diào)度和基于任務(wù)隊(duì)列狀態(tài)的觸發(fā)式調(diào)度結(jié)果相結(jié)合,集成綜合調(diào)度結(jié)果。本發(fā)明所述深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法一方面能夠有效解決現(xiàn)有深度學(xué)習(xí)訓(xùn)練集群調(diào)度技術(shù)存在的多種配置下的任務(wù)時(shí)長(zhǎng)難以預(yù)估,調(diào)度方案忽視CPU以及難以應(yīng)對(duì)持續(xù)到達(dá)的任務(wù)等缺陷;另一方面可實(shí)現(xiàn)對(duì)深度學(xué)習(xí)訓(xùn)練集群的合理調(diào)度,提高集群資源利用率,優(yōu)化任務(wù)執(zhí)行效率等。
本發(fā)明授權(quán)一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了:1.一種深度學(xué)習(xí)訓(xùn)練集群調(diào)度方法,其特征在于,包括以下步驟: S1,收集深度學(xué)習(xí)訓(xùn)練任務(wù)相關(guān)數(shù)據(jù),包括任務(wù)的資源需求,集群的資源狀態(tài)數(shù)據(jù)以及任務(wù)運(yùn)行狀態(tài)數(shù)據(jù); S2,分析任務(wù)執(zhí)行時(shí)長(zhǎng)及資源利用的相關(guān)特征,構(gòu)建有效的多配置深度學(xué)習(xí)訓(xùn)練任務(wù)時(shí)長(zhǎng)預(yù)估模型; S3,對(duì)集群陸續(xù)到達(dá)的任務(wù)進(jìn)行時(shí)長(zhǎng)預(yù)測(cè),以生成深度學(xué)習(xí)任務(wù)多配置下的任務(wù)時(shí)長(zhǎng); S4,將基于預(yù)測(cè)結(jié)果的周期性調(diào)度和基于任務(wù)隊(duì)列狀態(tài)的觸發(fā)式調(diào)度結(jié)果相結(jié)合,集成綜合調(diào)度結(jié)果; 步驟S2包括: S21,最佳CPU核心數(shù)量計(jì)算; 最佳CPU核心數(shù)量代表能夠?qū)崿F(xiàn)性能與資源最優(yōu)平衡的CPU核心數(shù); 計(jì)算過(guò)程為:收集不同CPU核心數(shù)量下的任務(wù)完成時(shí)間數(shù)據(jù),將數(shù)據(jù)分為臨界點(diǎn)前后兩部分,分別進(jìn)行對(duì)數(shù)函數(shù)和線性函數(shù)的擬合,然后計(jì)算兩部分的誤差總和,最終選擇誤差最小的點(diǎn)作為最佳CPU核心數(shù)量; S22,預(yù)估器模型訓(xùn)練方法; 預(yù)估器包含兩個(gè)機(jī)器學(xué)習(xí)模型:最佳CPU核心預(yù)測(cè)模型和性能外推模型;所述最佳CPU核心預(yù)測(cè)模型用于預(yù)測(cè)最佳CPU核心數(shù)量,所述性能外推模型用于預(yù)測(cè)最終的時(shí)間; 最佳CPU核心預(yù)測(cè)模型基于隨機(jī)森林實(shí)現(xiàn),采用均方誤差作為損失函數(shù),輸入特征是通過(guò)獨(dú)熱編碼轉(zhuǎn)為數(shù)值特征的深度學(xué)習(xí)模型的層間信息、模型類(lèi)型、GPU配置和批處理大小;訓(xùn)練標(biāo)簽為步驟S21得到的最佳CPU核心數(shù)量;其中,所述深度學(xué)習(xí)模型為深度學(xué)習(xí)訓(xùn)練任務(wù)使用的網(wǎng)絡(luò)模型; 性能外推模型包括五個(gè)時(shí)間預(yù)測(cè)模型和一個(gè)整合模型,采用分階段建模方法,即先用五個(gè)時(shí)間預(yù)測(cè)模型分別對(duì)數(shù)據(jù)處理、前向傳播、反向傳播、參數(shù)更新和數(shù)據(jù)移動(dòng)五個(gè)關(guān)鍵計(jì)算階段進(jìn)行時(shí)間預(yù)測(cè),然后用整合模型將五個(gè)階段的預(yù)測(cè)時(shí)間整合成一個(gè)最終的時(shí)間; 其中,五個(gè)階段的時(shí)間預(yù)測(cè)模型采用相同的模型結(jié)構(gòu)和參數(shù)設(shè)置,區(qū)別僅在于訓(xùn)練數(shù)據(jù)選擇了來(lái)自不同階段的運(yùn)行時(shí)間; 具體的,時(shí)間預(yù)測(cè)模型采用隨機(jī)森林算法實(shí)現(xiàn),采用2折交叉驗(yàn)證進(jìn)行超參數(shù)優(yōu)化,選擇最優(yōu)參數(shù)組合;采用均方誤差作為損失函數(shù),輸入特征是深度學(xué)習(xí)模型的最佳CPU核心數(shù)量、性能參數(shù)、基準(zhǔn)GPU配置、基準(zhǔn)GPU配置以及最佳CPU核心數(shù)量下的深度學(xué)習(xí)模型的數(shù)據(jù)處理階段運(yùn)行時(shí)間、待預(yù)測(cè)的GPU配置和待預(yù)測(cè)的CPU核心數(shù)量;訓(xùn)練標(biāo)簽為待預(yù)測(cè)的GPU配置下以及CPU配置下的計(jì)算階段的運(yùn)行時(shí)間; 整合模型采用隨機(jī)森林算法實(shí)現(xiàn),采用均方誤差作為損失函數(shù),輸入特征是最佳CPU核心數(shù)量、基準(zhǔn)GPU配置、基準(zhǔn)GPU配置和最佳CPU核心數(shù)量下的深度學(xué)習(xí)模型的五階段時(shí)間以及完整運(yùn)行時(shí)間、待預(yù)測(cè)的GPU配置以及待預(yù)測(cè)的CPU核心數(shù)量、待預(yù)測(cè)的GPU配置和待預(yù)測(cè)的CPU核心數(shù)量下的深度學(xué)習(xí)模型的五階段時(shí)間;訓(xùn)練標(biāo)簽是待預(yù)測(cè)的GPU配置以及待預(yù)測(cè)的CPU核心數(shù)量下的深度學(xué)習(xí)模型的運(yùn)行時(shí)間。
如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù),可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)@麢?quán)人同濟(jì)大學(xué),其通訊地址為:200092 上海市楊浦區(qū)四平路1239號(hào);或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。
1、本報(bào)告根據(jù)公開(kāi)、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報(bào)告中的分析和結(jié)論僅反映本公司于發(fā)布本報(bào)告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
- 鄭宇鋒獲國(guó)家專(zhuān)利權(quán)
- 杰內(nèi)羅蒂股份有限公司崔鎮(zhèn)宇獲國(guó)家專(zhuān)利權(quán)
- 深圳市路明交通器材有限公司宋振躍獲國(guó)家專(zhuān)利權(quán)
- 新鄉(xiāng)市萬(wàn)和過(guò)濾技術(shù)股份公司牛新伍獲國(guó)家專(zhuān)利權(quán)
- 泰雷茲數(shù)字安全德國(guó)有限公司V·布羅伊爾獲國(guó)家專(zhuān)利權(quán)
- 福建省晉華集成電路有限公司顏逸飛獲國(guó)家專(zhuān)利權(quán)
- 聯(lián)發(fā)科技股份有限公司林冠宇獲國(guó)家專(zhuān)利權(quán)
- 中國(guó)恩菲工程技術(shù)有限公司王彥芳獲國(guó)家專(zhuān)利權(quán)
- 皇家飛利浦有限公司P·C·杜伊尼維爾德獲國(guó)家專(zhuān)利權(quán)
- 海南立昇凈水科技實(shí)業(yè)有限公司陳清獲國(guó)家專(zhuān)利權(quán)


熱門(mén)推薦
- 三星電子株式會(huì)社李泰潤(rùn)獲國(guó)家專(zhuān)利權(quán)
- 河北科技師范學(xué)院鄒靜獲國(guó)家專(zhuān)利權(quán)
- 華為技術(shù)有限公司張旸獲國(guó)家專(zhuān)利權(quán)
- 高通股份有限公司M·科什內(nèi)維桑獲國(guó)家專(zhuān)利權(quán)
- 恩布拉科壓縮機(jī)工業(yè)和制冷解決方案有限公司F·G·斯坦因獲國(guó)家專(zhuān)利權(quán)
- 富士施樂(lè)株式會(huì)社菅野誠(chéng)獲國(guó)家專(zhuān)利權(quán)
- 西安西電捷通無(wú)線網(wǎng)絡(luò)通信股份有限公司井經(jīng)濤獲國(guó)家專(zhuān)利權(quán)
- 廣東電網(wǎng)有限責(zé)任公司黃慶鏗獲國(guó)家專(zhuān)利權(quán)
- 株式會(huì)社日立高新技術(shù)古矢美樹(shù)獲國(guó)家專(zhuān)利權(quán)
- 北京三星通信技術(shù)研究有限公司李麗絲獲國(guó)家專(zhuān)利權(quán)