【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种资源管理方法、装置、设备及介质。
技术介绍
1、在深度学习训练平台的资源管理领域，当前行业普遍采用人工维护的方式进行资源回收。然而，这种传统做法存在明显的缺陷。首先，人工操作效率较低，难以快速应对资源需求的变化，从而导致回收过程缓慢。其次，人为因素带来的错误风险使得资源回收时机和分配不准确，从而影响平台的稳定性和用户信任度。此外，随着平台规模扩大，人工维护所需的人力资源成本不断攀升，不利于长期可持续发展。最后，人工处理无法实现即时响应，尤其在资源紧张或需求高峰期时，严重影响了用户体验。
技术实现思路
1、有鉴于此，本申请实施例提供一种资源管理方法、装置、设备及介质，以便克服上述问题或者至少部分地解决上述问题。
2、本申请实施例第一方面提供了一种资源管理方法，应用于深度学习训练平台，所述方法包括：
3、针对多个用户组，对所述多个用户组分配对应的算力资源，并分别对所述多个用户组分配的算力资源设置对应的有效期，以使所述用户组在所述有效期结束...
【技术保护点】
1.一种资源管理方法，其特征在于，应用于深度学习训练平台，所述方法包括：
2.根据权利要求1所述的资源管理方法，其特征在于，所述分别对所述多个用户组分配的算力资源设置对应的有效期，包括：
3.根据权利要求2所述的资源管理方法，其特征在于，对所述算力资源执行回收操作，包括：
4.根据权利要求1所述的资源管理方法，其特征在于，对所述算力资源执行回收操作之前，还包括：
5.根据权利要求1所述的资源管理方法，其特征在于，在针对多个用户组，对所述多个用户组分配对应的算力资源，并分别对所述多个用户组分配的算力资源设置对应的有效期之前
<...【技术特征摘要】
1.一种资源管理方法，其特征在于，应用于深度学习训练平台，所述方法包括：
2.根据权利要求1所述的资源管理方法，其特征在于，所述分别对所述多个用户组分配的算力资源设置对应的有效期，包括：
3.根据权利要求2所述的资源管理方法，其特征在于，对所述算力资源执行回收操作，包括：
4.根据权利要求1所述的资源管理方法，其特征在于，对所述算力资源执行回收操作之前，还包括：
5.根据权利要求1所述的资源管理方法，其特征在于，在针对多个用户组，对所述多个用户组分配对应的算力资源，并分别对所述多个用户组分配的算力资源设置对应的有效期之前，还包括：
6.根据权利...
【专利技术属性】
技术研发人员：邢良占，
申请(专利权)人：苏州元脑智能科技有限公司，
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。