资源分配方法、模型训练方法、装置和电子设备制造方法及图纸

本公开公开了资源分配方法、模型训练方法、装置和电子设备，涉及人工智能技术领域，尤其涉及云计算、深度学习技术领域。具体实现方案为：获取服务部署的地域和时间段、服务在每个时间段内的所需资源容量以及每个时间段内的可用资源容量；将地域、时间段、所需资源容量和可用资源容量输入目标模型中，由目标模型为服务分配资源。由此，可将服务部署的地域、时间段、所需资源容量和可用资源容量输入目标模型中，由目标模型为服务分配资源，可综合考虑到地域、时间段、所需资源容量和可用资源容量对资源分配的影响，提高了资源分配的灵活性和实时性，且可通过目标模型为服务分配资源，可实现服务的自动资源分配，节省了人工成本。

【技术实现步骤摘要】
资源分配方法、模型训练方法、装置和电子设备
本公开涉及计算机
，尤其涉及一种资源分配方法、模型训练方法、装置、电子设备、存储介质和计算机程序产品。
技术介绍
目前，随着网络技术的发展，网络服务的类型较多，比如购物、点餐、聊天交友、阅读等服务，丰富了人们的生活。现有技术中的资源分配方法，大多按照服务所需的最大资源容量进行资源分配，资源分配方法较为单一，不够灵活，且资源利用率低。
技术实现思路
提供了一种资源分配方法、模型训练方法、装置、电子设备、存储介质和计算机程序产品。根据第一方面，提供了一种资源分配方法，包括：获取服务部署的地域和时间段、所述服务在每个时间段内的所需资源容量以及每个时间段内的可用资源容量；将所述地域、所述时间段、所述所需资源容量和所述可用资源容量输入目标模型中，由所述目标模型为所述服务分配资源。根据第二方面，提供了一种模型训练方法，包括：获取样本服务的部署地域和部署时间段、所述样本服务在每个部署时间段内的样本所需资源容量、每个部署时间段内的样本可用资源容量，以及所述样本服务的参考资源分本文档来自技高网...

【技术保护点】
1.一种资源分配方法，包括：/n获取服务部署的地域和时间段、所述服务在每个时间段内的所需资源容量以及每个时间段内的可用资源容量；/n将所述地域、所述时间段、所述所需资源容量和所述可用资源容量输入目标模型中，由所述目标模型为所述服务分配资源。/n

【技术特征摘要】
1.一种资源分配方法，包括：
获取服务部署的地域和时间段、所述服务在每个时间段内的所需资源容量以及每个时间段内的可用资源容量；
将所述地域、所述时间段、所述所需资源容量和所述可用资源容量输入目标模型中，由所述目标模型为所述服务分配资源。


2.根据权利要求1所述的方法，其中，所述由所述目标模型为所述服务分配资源，包括：
根据所述地域、所述时间段、所述所需资源容量和所述可用资源容量，生成目标资源分配策略，其中，所述目标资源分配策略包括所述服务在每个地域每个时间段内的目标资源容量；
响应于当前时间到达所述时间段，按照所述时间段内分配的目标资源容量为所述服务分配资源。


3.根据权利要求2所述的方法，其中，所述根据所述地域、所述时间段、所述所需资源容量和所述可用资源容量，生成目标资源分配策略，包括：
根据所述所需资源容量和所述可用资源容量，从所述地域中筛选出第一地域和第二地域，其中，所述第二地域用于对所述第一地域进行资源补偿；
根据所述第一地域、所述第二地域、所述时间段、所述所需资源容量和所述可用资源容量，生成所述目标资源分配策略，其中，所述目标资源分配策略包括所述服务在所述第一地域、所述第二地域的所述时间段内的目标资源容量。


4.根据权利要求3所述的方法，其中，所述根据所述所需资源容量和所述可用资源容量，从所述地域中筛选出第一地域和第二地域，包括：
获取所述可用资源容量小于所述所需资源容量的地域，作为所述第一地域；
获取至少一个候选地域的候选可用资源容量；
根据所述第一地域对应的可用资源容量和所需资源容量之间的差值，以及所述候选地域的所述候选可用资源容量，从所述候选地域中筛选出所述第二地域。


5.根据权利要求2所述的方法，其中，所述按照所述时间段内分配的目标资源容量为所述服务分配资源之后，包括：
获取每个服务对应的所述所需资源容量的增加速度；
识别所述增加速度大于第一预设阈值的第一服务；
获取最小所需资源容量对应的第二服务、所述第二服务对应的分配的第二资源容量、所述第一服务对应的分配的第一资源容量；
停止按照所述第二资源容量为所述第二服务分配资源，并按照所述第一资源容量和所述第二资源容量的和值为所述第一服务分配资源。


6.根据权利要求1-5任一项所述的方法，其中，所述目标模型为生成对抗网络GAN模型。


7.根据权利要求1-5任一项所述的方法，其中，所述目标模型是根据权利要求8-10任一项所述的模型训练方法进行训练得到的模型。


8.一种模型训练方法，包括：
获取样本服务的部署地域和部署时间段、所述样本服务在每个部署时间段内的样本所需资源容量、每个部署时间段内的样本可用资源容量，以及所述样本服务的参考资源分配策略；
根据所述部署地域、部署时间段、所述样本所需资源容量、所述样本可用资源容量和所述参考资源分配策略，对所述模型进行训练，直至达到模型训练结束条件，生成目标模型。


9.根据权利要求8所述的方法，其中，所述根据所述部署地域、部署时间段、所述样本所需资源容量、所述样本可用资源容量和所述参考资源分配策略，对所述模型进行训练，包括：
将所述部署地域、部署时间段、所述样本所需资源容量、所述样本可用资源容量输入至所述模型中，由所述模型生成预测资源分配策略；
由所述模型根据所述预测资源分配策略和所述参考资源分配策略，得到所述预测资源分配策略的真实性参数；
响应于所述真实性参数小于第二预设阈值，根据所述部署地域、部署时间段、所述样本所需资源容量、所述样本可用资源容量、所述预测资源分配策略和所述参考资源分配策略，对所述模型进行训练。


10.根据权利要求8-9任一项所述的方法，其中，所述模型为生成对抗网络GAN模型。


11.一种资源分配装置，包括：
获取模块，用于获取服务部署的地域和时间段、所述服务在每个时间段内的所需资源容量以及每个时间段内的可用资源容量；
分配模块，用于将所述地域、所述时间段、所述所需资源容量和所述可用资源容量输入目标模型中，由所述目标模型为所述服务分配资源。

【专利技术属性】
技术研发人员：胡滨，杜英豪，熊超，李光，肖锋，胡小梅，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11