[发明专利]一种AI平台资源调控方法、系统及介质

权利要求书

1.一种AI平台资源调控方法，其特征在于，包括以下步骤：

配置学习算法，基于所述学习算法获取资源数据；

设定线性回归方程，基于所述资源数据和所述线性回归方程执行第一计算步骤，得到第一资源值；

获取所述资源数据所对应的初始数据，基于所述初始数据和所述资源数据执行第二计算步骤，得到第二资源值；

基于所述第一资源值和所述第二资源值执行第三计算步骤，得到资源分配值；

根据所述资源分配值进行资源分配；

所述第一计算步骤为：在所述资源数据中设定第一资源数据和第二资源数据；对所述第一资源数据进行向量化处理，得到第一特征数据；在所述第二资源数据中选取基准数据，根据所述基准数据计算与所述第二资源数据对应的第二特征数据；根据所述第一特征数据、所述第二特征数据和所述线性回归方程计算所述第一资源值；

所述第一资源数据包括：深度学习框架、数据集类型、数据集大小、镜像信息和训练时间；

所述第二资源数据包括：训练任务所占用CPU内核数量、训练任务所占用GPU卡数和训练任务所占用的内存大小；

所述根据所述第一特征数据、所述第二特征数据和所述线性回归方程计算所述第一资源值的步骤进一步包括：计算与所述第二特征数据对应的均方误差；获取与所述线性回归方程对应的权重参数和偏置参数；将所述均方误差作为所述线性回归方程的损失函数，并将所述第一特征数据、所述权重参数和所述偏置参数代入所述线性回归方程进行线性回归计算，得到与所述第二特征数据对应的所述第一资源值；

所述第二计算步骤为：根据所述初始数据计算所述资源数据所对应的剩余数据；获取所述资源数据所对应的性能数据；根据所述性能数据和所述剩余数据计算所述第二资源值；

所述第三计算步骤为：对所述第一资源值和所述第二资源值采用相乘取整算法，得到所述资源分配值。

2.根据权利要求1所述的AI平台资源调控方法，其特征在于：所述配置学习算法，基于所述学习算法获取资源数据的步骤进一步包括：

设定第一时间阈值；

获取训练任务；

根据所述学习算法对所述训练任务分配计算资源；

分配所述计算资源后，开始第一计时操作，生成第一时间；

当所述第一时间达到所述第一时间阈值时，获取所述训练任务所占用的所述计算资源所对应的所述资源数据。

3.根据权利要求1所述的AI平台资源调控方法，其特征在于：所述根据所述性能数据和所述剩余数据计算所述第二资源值的步骤进一步包括：

设定若干数据范围和与若干所述数据范围分别对应的权重值；

确定所述性能数据和所述剩余数据分别对应的第一数据范围和第二数据范围；

根据所述第一数据范围和所述第二数据范围分别对应的第一权重值和第二权重值执行第四计算步骤，得到所述第二资源值。

4.根据权利要求3所述的AI平台资源调控方法，其特征在于：所述第四计算步骤为：

汇总所述第一权重值和所述第二权重值，得到若干第三权重值；

统计若干所述第三权重值中具有重复性的第三权重值的第一数量；

判断所述第一数量是否具有重复性；若是，则计算所述第一数量所对应的所述第三权重值的乘积，并定义所述乘积为所述第二资源值；若否，则选取所述第一数量所对应的所述第三权重值作为所述第二资源值。