一种云平台AI算力调度方法技术

本发明专利技术公开了一种云平台AI算力调度方法，包括如下步骤：S1、采集云平台中所有待调度AI任务的任务特征信息；S2、将任务特征向量和资源状态向量分别输入双流神经网络的两条输入通路；S3、利用猫群算法对双流神经网络的参数进行全局优化；S4、利用获得的优化后的双流神经网络，对实际待调度AI任务生成最终的算力调度分配方案；S5、将AI任务分配至相应的计算节点，并采集调度执行后的反馈数据；S6、将反馈数据集输入优化后的双流神经网络，对云平台AI算力调度进行自适应优化更新。本发明专利技术结合了双流神经网络、智能算力调度、与猫群算法，实现了云平台AI算力调度。

【技术实现步骤摘要】

本专利技术涉及算力调度，尤其涉及一种云平台ai算力调度方法。

技术介绍

1、随着人工智能技术的不断进步，ai任务在各类云平台中的应用日益广泛，涵盖了图像识别、自然语言处理、智能推荐等多个领域。云平台作为ai算力的主要承载环境，凭借其强大的计算和存储能力，能够为大规模ai任务的并行处理和高效调度提供有力支持。当前，云平台ai算力调度主要依赖于资源管理策略和任务调度算法，通过对计算节点、存储节点和网络资源的智能分配，实现任务的高效执行。然而，随着ai任务复杂性和多样性的不断提升，传统的算力调度方法在资源利用率、响应速度和自适应能力等方面逐渐暴露出不足。

2、现有的ai算力调度技术通常采用静态或半动态的资源分配方式，无法及时响应任务负载和算力资源状态的实时变化。例如，部分调度系统采用基于优先级队列或轮询算法，将任务按照固定规则分配到各资源节点。这种方法虽然实现简单，易于部署，但在面对任务数量激增或资源紧张等突发情况时，容易导致资源分配不均、任务等待时间过长，甚至出现算力瓶颈。此外，静态调度策略缺乏对ai任务特性和资源节点异构性的深入建模，无法充分挖掘本文档来自技高网...

【技术保护点】

1.一种云平台AI算力调度方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种云平台AI算力调度方法，其特征在于，所述任务特征信息具体包括计算需求、内存需求、数据规模、优先级、时延敏感性、预期完成时间。

3.根据权利要求1所述的一种云平台AI算力调度方法，其特征在于，所述双流神经网络的参数具体包括各层的权重参数、偏置参数，以及用于双流结构中不同分支的归一化系数、融合层的连接权重、激活函数参数。

4.根据权利要求1所述的一种云平台AI算力调度方法，其特征在于，所述S2具体包括：

5.根据权利要求1所述的一种云平台AI算力调度方法，其...

【技术特征摘要】

1.一种云平台ai算力调度方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种云平台ai算力调度方法，其特征在于，所述任务特征信息具体包括计算需求、内存需求、数据规模、优先级、时延敏感性、预期完成时间。

3.根据权利要求1所述的一种云平台ai算力调度方法，其特征在于，所述双流神经网络的参数具体包括各层的权重参数、偏置参数，以及用于双流结构中不同分支的归一化系数、融合层的连接权重、激活函数参数。

4.根据权利...

【专利技术属性】
技术研发人员：杨玉亮，李莉莉，杜超，关雷，刘飞，
申请(专利权)人：哈尔滨凌之迅网络信息技术股份有限公司，
类型：发明
国别省市：