【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种传输路径的确定方法及计算设备。
技术介绍
1、在分布式计算环境中，例如ai训练任务通常需要分解并在多个图形处理器(gpu)上并行执行。这种方式能够加速大规模深度学习模型的训练。
2、例如在高性能计算(hpc)和人工智能(ai)训练领域，数据传输效率和计算资源的优化利用是提升整体计算性能的关键因素。然而，传统的任务调度和资源分配方法主要在于如何将任务分配给系统中的可用资源，例如将计算任务分配给特定的处理器或计算节点。这些方法通常关注任务的分配效率，如确保所有资源都被充分利用，以及任务如何被均匀分配等方面，而忽略了数据传输时延对整体的计算效率的影响。
技术实现思路
1、本申请实施例提供了一种传输路径的确定方法、系统、计算集群、计算机存储介质及计算机程序产品，能够提高gpu分组中gpu之间的数据传输效率，减少数据传输所需的时间，提升整个任务的执行效率。
2、第一方面，本申请实施提供一种传输路径的确定方法，用于计算集群中，包括：
<...【技术保护点】
1.一种传输路径的确定方法，应用于计算集群中，其特征在于，
2.根据权利要求1所述的方法，其特征在于，确定所述GPU分组中第一GPU至第二GPU之间的目标路径，包括：
3.根据权利要求1或2所述的方法，其特征在于，对于每个GPU分组的局部硬件拓扑的获取，包括：
4.根据权利要求2所述的方法，其特征在于，所述对于每个GPU分组的局部硬件拓扑中每条链路的权重的计算，包括：
5.根据利要求2所述的方法，其特征在于，所述基于所述邻接矩阵，确定任意两个GPU之间的目标路径，包括：
6.根据权利要求1至5任一项所述的方法...
【技术特征摘要】
1.一种传输路径的确定方法，应用于计算集群中，其特征在于，
2.根据权利要求1所述的方法，其特征在于，确定所述gpu分组中第一gpu至第二gpu之间的目标路径，包括：
3.根据权利要求1或2所述的方法，其特征在于，对于每个gpu分组的局部硬件拓扑的获取，包括：
4.根据权利要求2所述的方法，其特征在于，所述对于每个gpu分组的局部硬件拓扑中每条链路的权重的计算，包括：
5.根据利要求2所述的方法，其特征在于，所述基于所述邻接矩阵，确定任意两个gpu之间的目标路径，包括：
...【专利技术属性】
技术研发人员：黄焰，梁建国，梁永贵，周晓晨，杨朔，
申请(专利权)人：超聚变数字技术有限公司，
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。