[发明专利]一种异构GPU集群深度学习混合负载调度优化方法

权利要求书

1.一种异构GPU集群深度学习混合负载调度优化方法，其特征在于，包括：

为异构GPU集群的多个下层计算节点静态添加节点类型标签；

为分布式集群上层应用进行分类应用；

分布式集群上层所服务的多个所述应用，通过调度模块将多个不同类型的下层计算节点平均分配至多个所述应用运行；

计算所述多个不同类型的下层计算节点运行在多个所述应用上的所需时间；

利用计算的多组所需时间，发现的异构GPU应用性能差异；

并由第二价格交易法交易所述异构GPU应用性能差异。

2.如权利要求1所述的异构GPU集群深度学习混合负载调度优化方法，其特征在于，所述异构GPU集群由三个下层计算节点组成。

3.如权利要求2所述的异构GPU集群深度学习混合负载调度优化方法，其特征在于，所述三个下层计算节点分别包括：多个K80 GPU、多个P40 GPU以及多个V100 GPU。

4.如权利要求3所述的异构GPU集群深度学习混合负载调度优化方法，其特征在于，为分布式集群上层应用进行分类应用包括：应用VAE的任务、应用DCGAN的任务及应用ResNet-50的任务。

5.如权利要求4所述的异构GPU集群深度学习混合负载调度优化方法，其特征在于，所述三个下层计算节点在所述DCGAN的性能加速高于在所述VAE和所述ResNet-50的性能加速。

6.如权利要求5所述的异构GPU集群深度学习混合负载调度优化方法，其特征在于，所述第二价格交易法包括：选取所述VAE和所述DCGAN性能加速后的下层计算节点进行交换，且交换价格由所述ResNet-50决定。