[发明专利]一种预测深度学习模型单轮迭代时间的方法和系统有效
| 申请号： | 201811578363.8 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109711555B | 公开（公告）日： | 2021-08-10 |
| 发明（设计）人： | 孙军欢;张骏雪 | 申请（专利权）人： | 深圳致星科技有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 深圳市力道知识产权代理事务所(普通合伙) 44507 | 代理人： | 何姣 |
| 地址： | 518000 广东省深圳市南山区粤海街道高新*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种预测深度学习模型单轮迭代时间的方法和系统，通过利用深度学习模型的分层结构，逐层估算/测量，获得每层的计算时间和传输时间，并累加得到该模型的单轮迭代时间。上述的预测深度学习模型单轮迭代时间的方法和系统，虽不能直接预测模型多轮迭代总的训练时间，但采用本发明提供的方法、系统，预测获得模型单轮迭代时间，并据此推测模型的训练时间，在一定程度上达成了预测模型训练时间的目标，以此亦能指导任务调度、资源分配等。 | ||
| 搜索关键词： | 一种 预测 深度 学习 模型 单轮迭代 时间 方法 系统 | ||
【主权项】：
1.一种预测深度学习模型单轮迭代时间的方法，其特征在于，该方法包括：对于任一待预测的深度学习模型，首先解析该模型输入的数据流图，根据其分层结构获得层集合V，然后依次遍历集合V中的每个层，对于任一属于集合V的层li，分别预测该层的传输时间Tn(li)、计算时间Tc(li)；其中，根据解析获取层li的参数规模以及传输速率，预测层li的传输时间Tn(li)；根据历史日志D预测层li计算时间Tc(li)：查询历史日志D，若历史日志D中有和层li相似的层，则根据其计算时间估算层li的计算时间Tc(li)；若历史日志D中没有和层li相似的层或估算不可接受，则测量层li的计算时间Tc(li)；根据模型的流水线策略将各层的计算时间Tc和传输时间Tn累加，获得该模型的单轮迭代时间。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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深圳致星科技有限公司，未经深圳致星科技有限公司许可，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/patent/201811578363.8/，转载请声明来源钻瓜专利网。
