【技术实现步骤摘要】
本专利技术属于智能计算领域，更具体地，涉及舰载神经网络算法处理拓扑生成、动态维护方法和设备。
技术介绍
1、当前，海上装备的发展趋势呈现高速度、大机动的发展趋势；与之配套的协同设备亦呈现出时域配置上立体机动的发展特性。二者相辅相成决定了信息平台节奏显著加快。另一方面，随着智能无人设备的大规模引入和列装，海洋环境的复杂度大幅提升，单纯依靠操作员人脑进行信息的收集、处理、判断和行动的实时性同步执行，已经成为不可能完成的任务。
2、为了积极应对上述挑战，舰载智能计算系统的建设已经引起了广泛关注，且取得了一定成果。为了保障舰艇异构智能服务平台提供高效、强大的智能算力支撑，当前学术界和工业界已经开始面向平台建设的基础设施层中各类国产化异构计算资源，特别是国产处理器资源、国产gpu资源、与面向人工智能应用的国产化领域专用芯片资源，提供物理支持，实现智能服务高效算力支持。同时，面向异构资源的协同调度，针对深度学习模型提供并行模型等优化能力支持，为舰艇异构智能服务平台中异构计算资源性能的发挥提供支撑作用。
3、然而，面对复杂多变的海洋环境，舰艇异构智能平台面临的挑战也在不断增加。一方面，逐渐增加的智能化与无人化设备也对舰载智能计算系统的智能计算服务能力提出了新的要求，特别地，面向特定任务，在执行过程中通过持续增量学习实现量产智能舰艇的特化演进，能大幅提高设备的远洋效能。另一方面，随着海洋探索程度的不断升级化和复杂化，舰载智能计算系统的安全性和健壮性将直接决定装备遭遇故障和毁伤后继续发挥设计效能的能力，在极端情况下甚至将直
4、因此，需要针对舰艇异构智能服务平台的智能计算任务，构建高性能、高可靠的训推一体计算系统，特别地，针对智能计算模型，提供处理网络拓扑可动态重构的高性能智能处理平台，为舰艇智能应用算法提供功能性能支撑。
技术实现思路
1、针对现有技术的缺陷，本专利技术的目的在于提供舰载神经网络算法处理拓扑生成、动态维护方法和设备，旨在解决现有舰艇异构智能服务平台无法满足海战场环境可靠性和可训练功能需求的问题。
2、为实现上述目的，第一方面，本专利技术提供了一种舰载神经网络算法处理拓扑生成方法，包括：
3、舰载异构智能计算集群开机后，将各物理节点计算资源按照类型进行虚拟化，得到多个虚拟计算节点；
4、针对所有虚拟计算节点，将具有相同类型不同型号的虚拟计算节点汇入同一个一级资源池，将类型相同的一级资源池合并成一个二级资源池，所有二级资源池合并成可用资源池；
5、舰载神经网络处理任务到达后，从可用资源池中选出多个虚拟计算节点生成处理拓扑，用于执行该任务。
6、优选地，在生成可用资源池时，根据各级资源池内的计算资源情况，形成资源池信息表。
7、优选地，所述从可用资源池中选出多个虚拟计算节点生成处理拓扑，具体如下：
8、(1)选择一个cpu类型的虚拟计算节点，为接收到的神经网络处理任务构建全局控制中心，其他虚拟计算节点均作为通用计算节点；
9、(2)根据神经网络处理任务的需求和当前资源池信息表中可用资源的情况，从通用计算节点中选择智能计算节点；
10、(3)以智能计算节点为单位，构建神经网络处理逻辑拓扑。
11、优选地，所述全局控制中心上部署有节点信息表和全局调度器，用于管理待构建的神经网络处理任务处理拓扑，并对于无法利用本地计算资源就地处理的神经网络处理任务，由全局控制中心统一部署在神经网络处理拓扑中协同处理；
12、所述智能计算节点上部署有本地调度器，用于登记本地虚拟节点计算资源，并根据该资源与获取的新神经网络处理任务需求情况决定任务是否优先就地利用本地计算资源启动。
13、优选地，对于提交的神经网络算法处理任务，若本地调度器判定本地计算资源能够覆盖需求，在本地直接自行处理，否则，将其上交到全局调度器；对于训练任务和本地资源无法匹配的推理任务，由全局调度器根据节点和任务信息，维护神经网络算法执行拓扑，并分配计算任务到相应节点的本地调度器进行实际的调度。
14、优选地，步骤(2)具体为：根据神经网络处理任务的优先级，按照先分配空闲计算资源、再抢占其他低优先级计算资源的原则，获取足够的智能计算资源。
15、为实现上述目的，第二方面，本专利技术提供了一种舰载神经网络算法处理拓扑动态维护方法，所述舰载神经网络算法处理拓扑采用如第一方面所述的方法生成，所述动态维护方法包括：
16、当确认当前处理拓扑中某智能计算节点不可用时，断开与该智能计算节点的连接，当前处理拓扑中剩余可用智能计算节点重新生成处理拓扑；
17、当确认有此前未接入的新节点挂载时，破坏当前处理拓扑中的连接关系，与新节点共同重新生成处理拓扑。
18、优选地，所述某智能计算节点不可用分为两种情形，对应处理方式如下：
19、1)针对某物理节点损坏导致虚拟计算节点不存在的情形
20、断开与该智能计算节点的连接，资源池中删除该虚拟计算节点，当前处理拓扑中剩余可用智能计算节点重新生成处理拓扑；
21、2)针对被优先级更高的任务抢夺虚拟计算节点的情形
22、断开与该智能计算节点的连接，将该虚拟计算节点放回资源池，当前处理拓扑中剩余可用智能计算节点重新生成处理拓扑。
23、优选地，所述有此前未接入的新节点挂载分为三种情形，对应处理方式如下：
24、1)针对新物理节点上线的情形
25、先将新物理节点虚拟化为虚拟计算节点，放入资源池；破坏当前处理拓扑中的连接关系；将新虚拟计算节点加入尾部，重新生成处理拓扑；
26、2)针对某任务执行结束释放出虚拟节点的情形
27、将该虚拟计算节点放入资源池；破坏当前处理拓扑中的连接关系，与新虚拟计算节点共同重新生成处理拓扑；
28、3)针对优先级更高的任务抢到虚拟计算节点的情形
29、破坏当前处理拓扑中的连接关系，与新虚拟计算节点共同重新生成处理拓扑。
30、为实现上述目的，第三方面，本专利技术提供了一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行如第一方面或者第二方面所述的方法。
31、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：
32、相比于静态固定拓扑的舰载异构智能服务平台组织方案，本专利技术面向神经网络算法的推理训练处理需求，提供舰载神经网络算法处理拓扑生成、动态维护方法和设备，依托混合调度策略实现神经网络算法的高效执行；同时，通过可动态重组的计算资源组织拓扑，实现神经网络算法的任务本文档来自技高网...
【技术保护点】
1.一种舰载神经网络算法处理拓扑生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在生成可用资源池时，根据各级资源池内的计算资源情况，形成资源池信息表。
3.如权利要求2所述的方法，其特征在于，所述从可用资源池中选出多个虚拟计算节点生成处理拓扑，具体如下：
4.如权利要求3所述的方法，其特征在于，所述全局控制中心上部署有节点信息表和全局调度器，用于管理待构建的神经网络处理任务处理拓扑，并对于无法利用本地计算资源就地处理的神经网络处理任务，由全局控制中心统一部署在神经网络处理拓扑中协同处理；
5.如权利要求4所述的方法，其特征在于，对于提交的神经网络算法处理任务，若本地调度器判定本地计算资源能够覆盖需求，在本地直接自行处理，否则，将其上交到全局调度器；对于训练任务和本地资源无法匹配的推理任务，由全局调度器根据节点和任务信息，维护神经网络算法执行拓扑，并分配计算任务到相应节点的本地调度器进行实际的调度。
6.如权利要求3所述的方法，其特征在于，步骤(2)具体为：根据神经网络处理任务的优先级，按照先分配空闲
7.一种舰载神经网络算法处理拓扑动态维护方法，其特征在于，所述舰载神经网络算法处理拓扑采用如权利要求1至6任一项所述的方法生成，所述动态维护方法包括：
8.如权利要求7所述的方法，其特征在于，所述某智能计算节点不可用分为两种情形，对应处理方式如下：
9.如权利要求7所述的方法，其特征在于，所述有此前未接入的新节点挂载分为三种情形，对应处理方式如下：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种舰载神经网络算法处理拓扑生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在生成可用资源池时，根据各级资源池内的计算资源情况，形成资源池信息表。
3.如权利要求2所述的方法，其特征在于，所述从可用资源池中选出多个虚拟计算节点生成处理拓扑，具体如下：
4.如权利要求3所述的方法，其特征在于，所述全局控制中心上部署有节点信息表和全局调度器，用于管理待构建的神经网络处理任务处理拓扑，并对于无法利用本地计算资源就地处理的神经网络处理任务，由全局控制中心统一部署在神经网络处理拓扑中协同处理；
5.如权利要求4所述的方法，其特征在于，对于提交的神经网络算法处理任务，若本地调度器判定本地计算资源能够覆盖需求，在本地直接自行处理，否则，将其上交到全局调度器；对于训练任务和本地资源无法...
【专利技术属性】
技术研发人员：唐忆滨，何鹏元，胡哲琨，高毅，
申请(专利权)人：中国船舶集团有限公司第七〇九研究所，
类型：发明
国别省市：
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。