GPU资源调度方法、服务器及存储介质技术

本公开实施例提供一种GPU资源调度方法、服务器及存储介质，属于资源调度领域。该方法包括：获取待执行的网络质量检测任务的待检测小区数量；然后根据待检测小区数量和预设的GPU资源预测模型，确定执行网络质量检测任务所需的目标GPU资源，GPU资源预测模型是根据多个历史网络质量检测任务中的各历史网络质量检测任务的实际消耗GPU资源和实际检测小区数量构建的；之后根据目标GPU资源，执行网络质量检测任务。本公开的技术方案能够准确地知晓执行网络质量检测任务所需的目标GPU资源，根据目标GPU资源执行网络质量检测任务，既完成了网络质量检测任务，又合理地对GPU资源进行调度，极大地提高了GPU资源利用率。

【技术实现步骤摘要】

本公开涉及资源调度，尤其涉及一种gpu资源调度方法、服务器及存储介质。

技术介绍

1、随着通信网络的发展，用户对网络质量的需求越来越高，因此网络质量检测任务是网络运维中非常重要的任务之一，而网络质量检测任务常常涉及到多种机器学习或者深度学习算法，为了提高网络质量检测任务的执行效率，通常会预先在网管系统上部署图形处理器(graphics processing unit，gpu)资源，并给网络质量检测任务分配固定的gpu资源，在执行网络质量检测任务时，网管系统消耗固定的gpu资源。然而，随着网络环境变化以及业务规模不断膨胀，按照固定gpu资源执行网络质量检测任务，存在gpu资源不够用导致网络质量检测任务的执行效率低的问题以及gpu资源过剩导致gpu资源浪费的问题，因此，如何基于业务需求对网管系统上gpu资源进行合理的调度，以提高gpu资源利用率是目前亟待解决问题。

技术实现思路

1、本公开实施例在于提供一种gpu资源调度方法、服务器及存储介质，旨在对网管系统上gpu资源进行合理的调度，极大地提高了gpu资源利用率本文档来自技高网...

【技术保护点】

1.一种图像处理器GPU资源调度方法，其特征在于，包括：

2.根据权利要求1所述的GPU资源调度方法，其特征在于，所述根据所述待检测小区数量和预设的GPU资源预测模型之前，还包括：

3.根据权利要求2所述的GPU资源调度方法，其特征在于，所述获取样本数据，包括：

4.根据权利要求3所述的GPU资源调度方法，其特征在于，所述根据所述多个历史网络质量检测信息，确定所述样本数据的目标历史网络质量检测任务和检测所述目标历史网络质量检测任务的实际消耗GPU资源，包括：

5.根据权利要求3所述的GPU资源调度方法，其特征在于，所述获取样本数据，还包括：...

【技术特征摘要】

1.一种图像处理器gpu资源调度方法，其特征在于，包括：

2.根据权利要求1所述的gpu资源调度方法，其特征在于，所述根据所述待检测小区数量和预设的gpu资源预测模型之前，还包括：

3.根据权利要求2所述的gpu资源调度方法，其特征在于，所述获取样本数据，包括：

4.根据权利要求3所述的gpu资源调度方法，其特征在于，所述根据所述多个历史网络质量检测信息，确定所述样本数据的目标历史网络质量检测任务和检测所述目标历史网络质量检测任务的实际消耗gpu资源，包括：

5.根据权利要求3所述的gpu资源调度方法，其特征在于，所述获取样本数据，还包括：

6.根据权利要求3所述的gpu资源调度方法，其特征在于，所述根据所述样本数据训练所述gpu资源预测模型，包括：

7.根...

【专利技术属性】
技术研发人员：李卫民，林礼剑，罗颖燕，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：