[发明专利]一种计算资源的推荐方法、装置、电子设备及存储介质有效
申请号: | 201911228948.1 | 申请日: | 2019-12-04 |
公开(公告)号: | CN111865644B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 朱中涛;孔建钢;王琤;裴文谦;杨江华;杨烽 | 申请(专利权)人: | 北京小桔科技有限公司 |
主分类号: | H04L41/5041 | 分类号: | H04L41/5041;H04L41/5051;H04L41/5054;H04L41/0896;H04L67/51;H04L43/08;G06N20/00 |
代理公司: | 北京超成律师事务所 11646 | 代理人: | 刘静 |
地址: | 100000 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 计算 资源 推荐 方法 装置 电子设备 存储 介质 | ||
1.一种计算资源的推荐方法,其特征在于,所述推荐方法包括:
获取待计算任务对应的模型文件和输入模型的数据量;所述模型文件中包括表征模型复杂度的模型参数;所述模型复杂度是指模型结构的深度和宽度;
根据所述模型参数和所述输入模型的数据量,分别对多个计算资源进行压力测试,得到多个测试结果,并根据所述多个测试结果,确定出基于每个计算资源运行所述待计算任务对应的第一性能指标;
基于所述多个计算资源中每个计算资源的第一性能指标,以及用户端输入的第二性能指标,确定向所述用户端推荐的用于对所述待计算任务进行计算的资源配置方案;
其中,所述第一性能指标和所述第二性能指标为相同类型的性能指标,性能指标的类型包括延迟时长和吞吐量。
2.根据权利要求1所述的推荐方法,其特征在于,所述推荐方法还包括根据以下步骤确定出所述模型参数:
根据所述用户端输入的模型名称和模型使用的深度学习框架的名称,对所述模型文件进行解析,确定出所述模型参数。
3.根据权利要求1所述的推荐方法,其特征在于,若模型为图像识别模型,则所述输入模型的数据量包括以下数据中的至少一种:
输入至模型的图像的大小、输入至模型的图像的通道数、输入至模型的图像的数量。
4.根据权利要求1所述的推荐方法,其特征在于,所述根据所述模型参数和所述输入模型的数据量分别对多个计算资源进行压力测试,得到多个测试结果,并根据所述多个测试结果,确定出基于每个计算资源运行所述待计算任务对应的第一性能指标,包括:
针对所述多个计算资源中的每个计算资源,对每个计算资源发送多个服务请求;
计算每个计算资源在单位时间内处理的所述服务请求的平均数量,以及每个计算资源处理各个所述服务请求的平均延迟时长;
根据每个计算资源对应的所述平均数量和所述平均延迟时长,确定出每个计算资源对应的所述第一性能指标。
5.根据权利要求1所述的推荐方法,其特征在于,所述基于所述多个计算资源中每个计算资源的第一性能指标,以及用户端输入的第二性能指标,确定向所述用户端推荐的用于对所述待计算任务进行计算的资源配置方案,包括:
从所述多个计算资源中,选取满足预设条件的至少一个候选资源;所述预设条件每个候选资源对应的性能满足要求以及对应的虚拟机可用;
基于所述至少一个候选资源中每个候选资源的第一性能指标,以及所述第二性能指标,确定向所述用户端推荐的资源配置方案。
6.根据权利要求5所述的推荐方法,其特征在于,所述第一性能指标包括第一延迟时长,所述第二性能指标包括第二延迟时长;所述从所述多个计算资源中,选取满足预设条件的至少一个候选资源,包括:
从所述多个计算资源中,选取所述第一延迟时长小于或等于所述第二延迟时长的多个待选资源;
从所述多个待选资源中,选取对应的虚拟机可用的所述至少一个候选资源。
7.根据权利要求5所述的推荐方法,其特征在于,所述第一性能指标包括第一吞吐量,所述第二性能指标包括第二吞吐量;所述基于所述至少一个候选资源中每个计算资源的第一性能指标以及所述第二性能指标,确定向所述用户端推荐的资源配置方案,包括:
根据所述第二吞吐量和所述至少一个候选资源中每个候选资源的第一吞吐量,确定多个候选配置方案;每个候选配置方案中包括至少一个候选资源,以及每个候选资源对应的虚拟机的数量;
从所述多个候选配置方案中,确定满足使用成本要求的候选配置方案为所述资源配置方案。
8.根据权利要求7所述的推荐方法,其特征在于,所述从所述多个候选配置方案中,确定满足使用成本要求的候选配置方案为所述资源配置方案,包括:
根据所述至少一个候选资源中每个候选资源的算力成本,确定所述多个候选配置方案中每个候选配置方案的使用成本;
根据所述多个候选配置方案中的每个候选配置方案的使用成本,从所述多个候选配置方案中,确定使用成本最低的候选配置方案为所述资源配置方案。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京小桔科技有限公司,未经北京小桔科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911228948.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:控制器以及操作该控制器的方法
- 下一篇:加速深度学习推断的软硬件协同设计