[发明专利]一种AI平台资源调控方法、系统及介质

说明书

本发明公开了一种AI平台资源调控方法，包括以下步骤：配置学习算法，基于学习算法获取资源数据；设定线性回归方程，基于资源数据和线性回归方程执行第一计算步骤，得到第一资源值；获取资源数据所对应的初始数据，基于初始数据和资源数据执行第二计算步骤，得到第二资源值；基于第一资源值和第二资源值执行第三计算步骤，得到资源分配值；根据资源分配值进行资源分配；本发明能够对于AI平台中不同类型的训练任务所需要分配的计算资源进行合理的计算，并将其整合为算法，提高了计算资源分配的稳定性和准确性，进而缩短了训练任务的训练时间，提高了AI算法的迭代次数，并大大提高了AI平台中资源的利用率和训练任务的处理效率。

技术领域

本发明涉及人工智能训练平台技术领域，特别是涉及一种AI平台资源调控方法、系统及介质。

背景技术

随着科技的进步，人工智能技术应用的越为广泛，其中AI平台中的AI模型算法为最常见的技术之一；AI模型算法在应用时，需要根据训练任务的需求分配对应的资源，因此AI平台的资源调控尤为关键；现有的AI平台资源调控方法是根据算法人员的经验进行资源的调控，这种方法分配的资源有很大的不确定性，并且当AI模型算法处理训练任务时，分配的资源占用也会发生一定的变化；但由于之前产生了资源分配的不确定性，这必定会影响AI模型算法处理任务的效率以及AI平台资源的利用率。

发明内容

本发明主要解决的是现有的AI平台资源调控方法导致AI平台的任务处理效率低及资源利用率低的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种AI平台资源调控方法，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。

作为一种改进的方案，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。

作为一种改进的方案，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。

作为一种改进的方案，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。

作为一种改进的方案，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。