【技术实现步骤摘要】
调度操作的方法及计算机可读介质
本公开内容中讨论的实施方式涉及调度操作。
技术介绍
任务图可以表示执行特定任务的操作以及操作之间的数据流。例如,任务图可以表示机器学习算法用以生成机器学习模型的操作和数据流。可以使用任务图来调度可以用于执行任务图中的操作的装置集群,例如服务器集群。本公开内容中要求保护的主题不限于解决任何缺点的实施方式或仅在诸如上述环境中操作的实施方式。确切地说,提供该
技术介绍
仅用于示出可以实践本公开内容中描述的一些实施方式的一个示例
技术实现思路
根据实施方式的方面,方法可以包括获得被配置成以串行方式执行以实现功能的多个操作。在一些实施方式中,可以关于参数和输入来执行每个操作。方法还可以包括获得被配置成关于参数和输入执行操作的多个资源的指示,以及多个资源中的每个资源单独执行多个操作中的每个操作的持续时间。方法还可以包括将执行多个操作的资源的调度建模为二进制优化,所述调度基于多个资源中的每个资源单独执行多个操作中的每个操作的持续时间来减少执行多个操作的总持续时间。方法还可以包括:求解二进制优化,以确定多个资源的调度表,以及由多个资源根据调度表执行多个操作以实现功能。将至少通过权利要求中特别指出的元件、特征和组合来实现和取得实施方式的目的和优点。前述总体描述和以下详细描述两者被作为示例给出并且是说明性的,且不限制所要求保护的本专利技术。附图说明将通过使用附图更具体和详细地描述和说明示例实施方式,在附图中:图1是表示与调度 ...
【技术保护点】
1.一种方法,包括:/n获得被配置成以串行方式执行以实现功能的多个操作,每个操作是关于参数和输入被执行的;/n获得被配置成关于所述参数和所述输入执行所述操作的多个资源的指示,以及所述多个资源中的每个资源单独执行所述多个操作中的每个操作的持续时间;/n将执行所述多个操作的资源的调度建模为二进制优化,所述调度基于所述多个资源中的每个资源单独执行所述多个操作中的每个操作的持续时间来减少执行所述多个操作的总持续时间;/n求解所述二进制优化,以确定所述多个资源的调度表;以及/n由所述多个资源根据所述调度表执行所述多个操作,以实现所述功能。/n
【技术特征摘要】
20190522 US 16/420,0711.一种方法,包括:
获得被配置成以串行方式执行以实现功能的多个操作,每个操作是关于参数和输入被执行的;
获得被配置成关于所述参数和所述输入执行所述操作的多个资源的指示,以及所述多个资源中的每个资源单独执行所述多个操作中的每个操作的持续时间;
将执行所述多个操作的资源的调度建模为二进制优化,所述调度基于所述多个资源中的每个资源单独执行所述多个操作中的每个操作的持续时间来减少执行所述多个操作的总持续时间;
求解所述二进制优化,以确定所述多个资源的调度表;以及
由所述多个资源根据所述调度表执行所述多个操作,以实现所述功能。
2.根据权利要求1所述的方法,还包括:获得在所述多个资源之间传递信息的通信延迟,其中,对资源的调度进行建模还基于所述通信延迟。
3.根据权利要求2所述的方法,还包括:获得与所述资源中的每个资源相关联的存储器容量、所述参数的存储器需求、以及所述输入的存储器需求,
其中,对所述资源的调度进行建模包括:基于所述参数的存储器需求以及所述输入的存储器需求,对关于所述多个操作中的每个操作的与所述资源中的每个资源相关联的存储器容量约束进行建模,所建模的存储器容量约束在求解所述二进制优化时被应用。
4.根据权利要求3所述的方法,其中,将所述资源的调度建模为二进制优化包括:生成二进制优化公式,所述二进制优化公式使用执行所述多个操作中的被定位在所述多个操作中的第一操作之前的操作的执行时间以及获得用于所述第一操作的输入的通信延迟来定义所述第一操作的完成时间。
5.根据权利要求1所述的方法,其中,用于所述多个操作中的第一操作的输入是所述多个操作中的第二操作的输出,所述第二操作在所述多个操作的串行执行中紧邻在所述第一操作之前。
6.根据权利要求1所述的方法,其中,对所述资源的调度进行建模包括:建模为所述多个操作中的每个操作由所述资源中之一执行,以及在求解所述二进制优化时应用使得所述多个操作中的每个操作由所述资源中之一执行的建模作为约束。
7.根据权利要求1所述的方法,其中,所述多个操作与多个子任务中的子任务相关联,所述多个子任务中的每个子任务与不同的多个操作相关联,并且
对执行所述多个操作的所述资源的调度进行建模包括:将由所述多个资源对所述多个子任务中的每个子任务执行所述不同的多个操作的所述资源的调度建模为二进制优化。
8.根据权利要求7所述的方法,其中,所述多个资源的数目大于所述多个子任务的数目。
9.根据权利要求1所述的方法,其中,所述参数中的每个参数由所述多个操作中的两个操作使用。
10.根据权利要求1所述的方法,其中,由执行所述多个操作实现的所述功能生成机器学习模型,所述方法还包括:将所述机器学习模型应用于未分类的输入,以关于所述输入的分类将所述未分类的输入进行分类。
11.一种或更多种计算机可读介质,被配置成存储指令,所述指令在由系统执行时导致或指导...
【专利技术属性】
技术研发人员:阿夫拉迪普·曼达尔,萨瓦吉亚·乌帕德亚雅,
申请(专利权)人:富士通株式会社,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。